[发明专利]神经网络结构及其方法

权利要求书

1.一种用于图像分类的计算设备，所述计算设备包括处理器和存储器，所述存储器存储能够由所述处理器执行的神经网络结构，其中

所述神经网络结构包括基本层和第二层，其中

所述基本层包括：

- 破坏函数，用于破坏所述神经网络结构的输入图像数据，

- 解码函数，以及

- 成本函数

并且所述第二层包括：

- 编码函数，以及

- 解码函数，

其中，

- 破坏后的输入图像数据被配置成作为对所述第二层的所述编码函数的输入被馈送，并且

- 经编码的破坏后的输入图像数据被配置成作为对所述第二层的所述解码函数的输入被馈送，

并且其中

- 所述神经网络结构的所述破坏后的输入图像数据和所述第二层的所述解码函数的输出被配置成作为对所述基本层的所述解码函数的输入被馈送，其中所述破坏后的输入图像数据作为横向输入被送到所述解码函数；

并且其中所述基本层的所述解码函数的输出和所述神经网络结构的所述输入图像数据被配置成作为对所述基本层的所述成本函数的输入被馈送。

2.根据权利要求1所述的计算设备，其中

所述第二层还包括成本函数，其中用于所述第二层的所述解码函数的输出和用所述第二层的所述编码函数编码的所述神经网络结构的所述输入图像数据被配置成作为对所述成本函数的输入被馈送。

3. 根据权利要求1或2所述的计算设备，所述神经网络结构还包括：

至少一个另外第二层，其中所述至少一个另外第二层中的每一个被布置成被连接至先前第二层，所述至少一个另外第二层包括编码函数和解码函数，并且其中

-所述先前第二层的所述编码函数的输出被配置成作为对所述至少一个另外第二层的所述编码函数的输入被馈送，并且

-所述至少一个另外第二层的所述编码函数的输出和上层的所述解码函数的输出被配置成作为对所述至少一个另外第二层中的所述解码函数的输入被馈送。

4.根据权利要求3所述的计算设备，其中所述至少一个另外第二层还包括：

成本函数，其中同一所述至少一个另外第二层的所述解码函数的输出和用所述至少一个另外第二层之前的每一层的编码函数编码的所述神经网络结构的所述输入图像数据被配置成作为对所述至少一个另外第二层的至少一个所述成本函数的输入被馈送。

5.一种用于图像分类的根据权利要求1至4中任一项所述的神经网络结构的训练方法，所述训练方法包括：调整层中的至少一个层中的至少一个函数的至少一个参数，使得当通过向所述神经网络结构输入输入图像数据来训练所述神经网络结构时，针对所述神经网络结构定义的成本函数被最小化。

6.根据权利要求5所述的训练方法，其中特定于层的成本函数的所述输入图像数据被比较。

7.根据权利要求5或6所述的训练方法，其中针对所述神经网络结构定义的所述成本函数是针对所述神经网络结构中的至少一个层定义的特定于层的成本函数的总和。