[发明专利]使用自动编码器神经网络压缩端节点中的信息在审
| 申请号: | 202111092879.3 | 申请日: | 2021-09-17 | 
| 公开(公告)号: | CN114282644A | 公开(公告)日: | 2022-04-05 | 
| 发明(设计)人: | A·托里尼;J·埃琳娜斯 | 申请(专利权)人: | 硅实验室公司 | 
| 主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/063;G06N3/08;G06K9/62;G06V10/764;G06V10/82 | 
| 代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 李雪娜;周学斌 | 
| 地址: | 美国德*** | 国省代码: | 暂无信息 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 使用 自动 编码器 神经网络 压缩 端节 中的 信息 | ||
1.一种装置,包括:
传感器,用于感测真实世界信息;
数字化器,其耦合到所述传感器以将所述真实世界信息数字化为数字化信息;
信号处理器,其耦合到所述数字化器以将所述数字化信息处理成频谱图;
耦合到所述信号处理器的神经引擎,所述神经引擎包括自动编码器,用于将所述频谱图压缩成经压缩的频谱图;以及
无线电路,其耦合到所述神经引擎以将经压缩的频谱图发送至远程目的地,以使得所述远程目的地能够处理经压缩的频谱图。
2.根据权利要求1所述的装置,其中,所述神经引擎用于存储用于所述自动编码器的模型,所述模型包括神经网络的结构和多个系数,其中,所述模型包括根据所述真实世界信息的类型使用至少一个相关函数生成的经预训练的模型。
3.根据权利要求2所述的装置,其中,所述装置用于从所述远程目的地接收更新的模型,并且,基于所述更新的模型来更新所述模型的多个系数权重中的至少一些系数权重。
4.根据权利要求1所述的装置,其中,自动编码器的解码器用于将第一经压缩的频谱图解压缩成第一重构频谱图,所述第一经压缩的频谱图由自动编码器的编码器从第一频谱图压缩。
5.根据权利要求4所述的装置,其中,所述装置用于将所述第一频谱图与所述第一重构频谱图进行比较,并且,至少部分地基于所述比较来将所述第一频谱图而不是第一经压缩的频谱图发送至所述远程目的地。
6.根据权利要求5所述的装置,其中,所述装置用于响应于来自所述远程目的地的请求,将所述第一频谱图与所述第一重构频谱图进行比较。
7.根据权利要求1所述的装置,其中,所述真实世界信息包括语音信息,所述装置包括语音控制的端节点设备。
8.根据权利要求7所述的装置,其中,所述语音控制的端节点设备用于从所述远程目的地接收至少部分地基于经压缩的频谱图的至少一个命令。
9.根据权利要求1所述的装置,其中,所述真实世界信息包括图像信息,所述装置用于响应于来自所述远程目的地的命令,基于在所述远程目的地处检测到所述图像信息中的人,至少部分地基于所述图像信息来采取动作。
10.一种方法,包括:
生成包括编码器和解码器的自动编码器,并生成分类器,其中,所述编码器用于将频谱图编码为经压缩的频谱图,所述解码器用于将经压缩的频谱图解码为恢复的频谱图,并且,所述分类器用于从所述解码的经压缩的频谱图确定至少一个关键词;
计算自动编码器的第一损失并计算分类器的第二损失;
至少部分地基于所述第一损失和所述第二损失来联合训练所述自动编码器和所述分类器;以及
将所述经训练的自动编码器和所述经训练的分类器存储在非暂时性存储介质中。
11.根据权利要求10所述的方法,其中,所述方法还包括基于所述第一损失与所述第二损失的加权和来联合训练所述自动编码器和所述分类器。
12.根据权利要求10所述的方法,其中,所述方法还包括:
根据相关系数计算第一损失;以及
根据二元交叉熵计算所述第二损失。
13.根据权利要求10所述的方法,其中,所述方法还包括将所述自动编码器的经训练的编码器部分发送到一个或多个端节点设备以使所述一个或多个端节点设备能使用所述经训练的编码器部分来压缩频谱图。
14.根据权利要求10所述的方法,其中,所述方法还包括从所述解码器不对称地生成所述编码器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于硅实验室公司,未经硅实验室公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111092879.3/1.html,转载请声明来源钻瓜专利网。





