[发明专利]一种人工神经网络差和迭代数据处理方法及装置

权利要求书

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；

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；

以上的x,y算子树深度有R次，即上述差和运算迭代进行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；

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：

把每一行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

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M、N、Q、R的优选数值为3至6。