[发明专利]用于操作机器学习的电子装置和用于操作机器学习的方法

权利要求书

1.一种用于执行机器学习的电子装置，所述电子装置包括：

运算模块，被配置为包括以预定模式排列的多个处理元素，并且在彼此相邻的多个处理元素之间共享数据以执行运算；以及

处理器，被配置为控制所述运算模块通过对输入数据应用滤波器来执行卷积运算，

其中，所述处理器控制所述运算模块通过以预定次序将配置二维滤波器的多个元素中的每一个输入到所述多个处理元素、并将所述多个元素顺序地应用于所述输入数据来执行卷积运算。

2.根据权利要求1所述的电子装置，其中，所述多个元素中的每一个是以预定次序排列的一维数据，并且

其中，所述处理器控制运算模块通过将所述多个元素中的每一个应用于二维或三维输入数据来执行卷积运算。

3.根据权利要求1所述的电子装置，其中，所述处理器还被配置为将所述二维滤波器划分成多个元素，并且以预定次序将除了具有零值的多个元素之外的多个元素输入到所述多个处理元素。

4.根据权利要求1所述的电子装置，其中，所述处理器还被配置为控制所述运算模块通过以下步骤来执行卷积运算：将通过将所述输入数据的不同数据值与所述多个元素中的每一个相乘而获得的值的累积传送到相邻处理元素。

5.根据权利要求1所述的电子装置，其中，所述处理器还被配置为执行将所述多个元素中的第一元素与属于所述输入数据的第一行的多个第一数据值中的每一个相乘的运算，执行将第一元素与属于所述输入数据的第二行的多个第二数据值中的每一个相乘的运算，执行将所述多个元素中的第二元素与所述多个第一数据值中的每一个相乘的运算，以及执行将第二元素与所述多个第二数据值中的每一个相乘的运算。

6.根据权利要求5所述的电子装置，其中，当在第一行中针对第一元素的运算完成并且针对第二元素的运算开始时，所述处理器还被配置为在预定方向上移位针对第一元素的多个运算值，以执行对所述运算值的累积，

其中，所述预定方向是基于第一元素布置第二元素的方向。

7.根据权利要求1所述的电子装置，其中，所述处理器还被配置为在预定方向上移位针对所述输入数据的用于每行中的运算值，以执行对运算值的累积，并且

重复所述预定方向，其中所述预定方向是按以下次序的方向：基于所述二维滤波器中的特定元素在一侧方向上前进，前进到与位于前进方向末端的元素的下一行或下一列中的对应元素相邻的元素，并且在与相邻元素中的一侧方向相反的方向上前进。

8.根据权利要求1所述的电子装置，其中，所述多个处理元素形成具有其中树形拓扑网络耦合到网状拓扑网络的结构的网络，并且

所述处理器还被配置为控制所述多个处理元素使用具有耦合的结构的网络来执行根据卷积神经网络CNN算法和递归神经网络RNN算法的运算。

9.根据权利要求8所述的电子装置，其中，所述处理器还被配置为控制所述多个处理元素在所述CNN算法的卷积层和池化层中执行根据网状拓扑网络的运算，并且在CNN算法的完全连接层和RNN算法的每一层中执行根据树形拓扑网络的运算。

10.一种使用运算模块执行机器学习的方法，所述运算模块被配置为包括以预定模式排列的多个处理元素，并且在彼此相邻的处理元素之间共享数据以执行运算，所述方法包括：

接收输入数据；以及

通过对所述输入数据应用滤波器来执行卷积运算，

其中，所述卷积运算是通过以预定次序将配置二维滤波器的多个元素中的每一个输入到多个处理元素、并将多个元素顺序地应用于所述输入数据来执行的。

11.根据权利要求10所述的方法，其中，所述多个元素中的每一个是以预定次序排列的一维数据，并且

所述卷积运算是通过将多个元素中的每一个应用于二维或三维输入数据来执行的。