一种人工神经网络差和迭代数据处理方法及装置
专利汇可以提供一种人工神经网络差和迭代数据处理方法及装置专利检索，专利查询，专利分析的服务。并且一种 人工神经网络 差和 迭代 数据处理 方法及装置，所述方法将一个静态图像 帧 看作一个三维空间里的二元函数图形，每个 像素 点的 颜色 灰度值是其坐标的函数，采用差分对于输入 信号 通过多阶差分高通滤波，采用求和是对 输入信号 进行低通滤波，采用差和运算将 差分信号 和求和信号进行迭代运算，得到不同阶次的数学特征抽象，供机器全面快速学习；所述装置包括 输入层 、差和层和 输出层 。本 发明 用差和层的简单的二元差分算子和二元求和算子及其迭代架构，实现了对声音、图像和高维流形的几何和物理意义分析的功能。实质是把 卷积神经网络 中卷积层的卷积运算中矩阵的乘、加的内积运算,代之以矩阵的加、减迭代运算，可以 加速 网络运行速度和效率。解决了现有神经网络不透明的黑盒子问题及学习速度慢等问题。广泛应用于图像及视频对象识别与处理装置中。，下面是一种人工神经网络差和迭代数据处理方法及装置专利的具体信息内容。
1.一种人工神经网络差和迭代数据处理方法，其特征在于：将一个静态图像帧看作一个三维空间里的二元函数z＝f(x,y)，每个像素点的颜色灰度值是其坐标(x,y)的函数，这个函数的几何图形是一个三维曲面，对于一段视频影像，每个像素点灰度的时间函数是一根三维曲线，所述三维曲面或三维曲线的数据是已知的模拟数据值或离散数据值；
采用差分对于输入信号进行数值微分或高通滤波，采用求和是对输入信号进行数值积分或低通滤波，采用迭代运算对差分信号和求和信号进行多阶次迭代微分和积分运算，得到不同感受野的包括各阶导数和各类图像算子结果在内的特征数据层供机器全面快速学习；
对于一个静态图像帧灰度矩阵(A)：
采用纵向网络运算架构----四叉算子树群进行如下平面二维运算：
(1)进行x坐标轴方向M次差和运算，所述M为正整数；
(2)进行y坐标轴方向N次差和运算，所述N为正整数；
(3)进行x，y坐标轴方向的Q次混合差和运算，所述Q为正整数；
采用横向网络运算架构进行如下运算：
(4)进行同层横向的差和网络运算或简化的差和组合运算，简化的组合方式由具体功能确定；
对于一个三维图像灰度矩阵(B)：
(5)在所述平面二维运算的基础上扩展到三维运算，即采用增加深度z坐标轴方向的纵向混合差和运算和横向组合差和运算；
对于一个视频段或三维场景视频段矩阵(C)：
(6)在所述平面二维运算或所述三维运算的基础上扩展到三维或四维运算，即采用增加时间t坐标轴方向的纵向差和运算，进行时间序列分析和预测，运算对象为所述平面或三维各层特征矩阵。
2.如权利要求1所述的一种人工神经网络差和迭代数据处理方法，其特征在于：所述第(1)、(2)、(3)项运算的具体过程如下：
对图像矩阵A分别进行x坐标轴方向的差分及求和运算，得到x轴方向的一次差分矩阵和一次求和矩阵Σx；
同时进行y坐标轴方向的差分及求和运算，得到y坐标轴方向的一次差分向量矩阵 和一次求和矩阵Σy；
上述过程称为一次差和运算；
继续对 矩阵分别进行差分、求和运算，得到x轴方向的二次差分矩阵 和二次差和矩阵 继续对Σx矩阵进行求和运算，得到x轴方向的二次求和矩阵Σ2x；
同时继续对 矩阵分别进行差分、求和运算，得到y轴方向的二次差分矩阵 和二次差和矩阵 同时继续对Σy矩阵进行求和运算；得到y轴方向的二次求和矩阵Σ2y；
上述过程称为二次差和运算；
以此类推，以上的x,y算子树深度可以有R次，即上述差和运算迭代可进行R次，所述R为正整数；
对上述一次差分矩阵 进行y轴方向扩展三角算子树如下：
对矩阵 进行二次差分得到矩阵 进行二次求和得到矩阵 继续对 进行
三次差分得到矩阵 三次求和得到矩阵 对矩阵 三次求和得到矩阵
对上述一次差分矩阵 进行x轴方向扩展三角算子树如下：
对矩阵 进行二次差分得到矩阵 进行二次求和得到矩阵 继续对 进行
三次差分得到矩阵 三次求和得到矩阵 对矩阵 三次求和得到矩阵
上述(1)、(2)、(3)项纵向运算综合为四叉算子树群。
3.如权利要求1所述的一种人工神经网络差和迭代数据处理方法，其特征在于：所述M、N、Q、R的优选数值为3至6。
4.如权利要求1所述的一种人工神经网络差和迭代数据处理方法，其特征在于：所述第(4)项运算的具体过程如下：
进行同层横向差分矩阵的差和网络运算中简化的组合差和运算组合方式可由具体的所需功能来裁剪、确定；进行简化的组合差和网络运算的二元泰勒级数系数的算子群：
把上述每一行(层)的差分分层进行求和，得到二元泰勒级数的系数如下：
进行简化的组合差和网络运算的拉普拉斯算子：
把 和 组合求和：
进行简化的组合差和网络运算的散度、旋度算子：
对向量矩阵，二次差分矩阵求和，即得散度算子
对向量矩阵，对每一行进行部分矩阵差分，即得旋度算子
5.一种采用如权利要求1所述的一种人工神经网络差和迭代数据处理方法的装置，其特征在于：所述人工神经网络装置包括输入层、隐含层和输出层，所述隐含层包括差和层和全连接层，所述差和层和全连接层之间可以包含池化层；
所述输入层将信号充分进行时分、频分或RGB通道分割为多维的多通道数字信号或单频模拟信号,并处理多维信号；
所述差和层是如权利要求1的所述的一种采用差和迭代数据处理方法的人工神经网络层；
差和层对输入层的数字信号进行有限差分运算得到矢量(张量)抽象，并进一步对矢量(张量)信号进行有限差分及求和运算，得到信号的梯度、各阶导数、散度、旋度和拉普拉斯算子量等张量分量；这些特征矩阵接入全连接层装置，被全连接层装置所学习或分类，输出最终分类信号；
所述池化层对差和层输出的特征图矩阵进行特征选择和信息过滤，所述池化层包含预设定的池化函数，将特征图中单个点的结果替换为其相邻区域的特征图统计量；
所述全连接层位于差和神经网络隐含层的最后部分，向输出层传递信号，对差和层或池化层连接并学习。
6.一种采用如权利要求5所述的一种人工神经网络差和迭代数据处理方法的装置，其特征在于：所述差和层可以全部是二目算子差分和求和组成，具体算子实现方法如下：
每个差分算子用一个减法器实现，每个求和算子用一个加法器实现；所述加法器和减法器是可带有偏置输入项的半加器；
所述加法器和减法器可以是模拟信号运放加法器、减法器，或数字信号加法器；模拟信号运放加法器、减法器工作电压范围根据器件对信号分辨率确定；
对于数字信号，信号编码采用补码，统一将加、减法运算变换为加法运算。
7.一种采用如权利要求5所述的一种人工神经网络差和迭代数据处理方法的装置，其特征在于：所述网络装置对于图像矩阵的运算网络，采用完整的并行算子群的异步时序网络架构；
所述并行的算子异步网络架构：按照差和运算的四叉算子树群完全用加法器和减法器搭建网络架构来实现多层的异步时序运算网络；差分、求和算子树采用所对应灰度值的加、减运算器及其互联线路实现。
8.一种采用如权利要求5所述的一种人工神经网络差和迭代数据处理方法的装置，其特征在于：所述网络装置对于图像矩阵的运算网络，采用冯诺依曼型的同步时序网络架构：
所述冯诺依曼型架构：采用共用的差和算子运算阵列群，然后通过总线用CPU或状态机同步管理，分时逐次计算出各种阶次的差分和求和结果，并存储、池化处理、输出给池化层或全连接层；
所述冯诺依曼架构包含一个x-y综合差和运算器、控制器、存储器和总线；加、减运算器合并为加法器，多个相同行列数的加法器阵列合并为一个加法器阵列,控制器通过数据、地址、控制总线控制各个加法器阵列，并把各层的运算结果矩阵按序移存到存储器，存储器的运算结果被后续的处理模块所读取。
9.一种采用如权利要求5所述的一种人工神经网络差和迭代的数据处理方法的装置，其特征在于：采用逻辑电路、可编程器件、嵌入式系统、GPU、专用集成电路技术、所形成的硬件集成电路芯片或电路系统功能模块及其软件，或其它材料的光路、生物、量子器件等实现的本发明的算法和架构。
10.一种采用如权利要求5所述的一种差和迭代人工神经网络对语音数据处理方法的装置，其特征在于：对语音信号进行FFT变换后得到语谱图，然后对语谱图进行f和t方向进行差分、求和迭代运算，对特征矩阵进行池化或概率统计后，再进行全连接的神经网络训练来实现的快速语音识别的实时翻译器，实时翻译手机APP等。
一种人工神经网络差和迭代数据处理方法及装置
技术领域
背景技术
109447940 A，《一种基于并行多级宽度神经网络的学习方法》公开(公告)号为CN
110110845 A，《一种基于非线性组合模型的卷烟月度销量预测方法》公开(公告)号为CN
109961315 A，《一种基于卷积神经网络的电力设备检测算法》公开(公告)号为CN
109446925 A。然而迄今为止，尚无采用本发明所述差和迭代人工神经网络算法架构的技术方案解决现有神经网络难以解释自己预测过程和依据的黑盒子问题、需要大量训练样本来完成调参学习以解决速度慢等问题的申请件。
发明内容
Σx。
到矩阵
阵
附图说明
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种通络化痰胶囊指纹图谱的测定方法 | 2021-01-24 | 2 |
| 一种放射治疗体位摆位装置 | 2020-09-23 | 1 |
| 壳体及其制备方法、电子设备及其制备方法 | 2021-07-25 | 1 |
| 一种人工神经网络差和迭代数据处理方法及装置 | 2020-12-14 | 2 |
| 具有高载药量的中链甘油三酯的药物组合物及其相关方法 | 2022-11-05 | 1 |
| 电机自动铆装装置 | 2020-09-15 | 1 |
| 微马达的单极电磁驱动对焦系统 | 2022-11-04 | 1 |
| 一种建立多晶体几何模型的方法 | 2020-06-21 | 2 |
| 一种光学透镜支撑装置 | 2021-08-16 | 0 |
| 一种带瓶冷凝器 | 2023-01-20 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
