[发明专利]用于数据处理和计算的系统和方法

说明书

数据处理设备和计算机实现的方法被配置为并行执行数据中枢进程(6)以及计算模块(7)形式的多个进程，该数据中枢进程(6)包括至少一个将输入数据分段成数据片段的分段子进程(61)和至少一个为数据片段提供键从而创建键控数据片段的键控子进程(62)，其中数据中枢进程(6)将键控数据片段存储在共享存储器设备(4)中作为共享的键控数据片段，其中每个计算模块(7)被配置为访问至少一个共享存储器设备(4)以寻找特定于模块的数据片段，特定于模块的数据片段是用特定于计算模块(7)中的至少一个的至少一个键进行键控的共享的键控数据片段，并对特定于模块的数据片段执行机器学习方法，所述机器学习方法包括使用至少一个预训练的神经元网络(71)的数据解释和分类方法，并且将所执行的机器学习方法的结果输出到共享存储器设备(4)或另一个计算模块。

技术领域

本发明涉及数据处理和机器学习领域，并且具体地涉及采用机器学习的方法来处理任何种类的数据的数据处理，所述数据例如表示文本、图形数据(诸如图片或电影)或声音数据(诸如口语(理解和创造语言))，特别是组合类型的数据(诸如组合的图形数据和文本)，更一般地涉及一种具有权利要求1的前序部分的特征的数据处理设备、一种具有权利要求14的前序部分的特征的方法以及计算机程序。

背景技术

US 6,879,946 B2公开了一种使用属性超图表示(AHR)来建模、变换和操纵对象的智能2D和3D对象和场景建模、变换和操纵的计算机化的方法。给定3D对象或场景的特征来构造AHR的过程与使用函子(functor)将不同类别彼此映射对应。不同类别表示3D对象或场景的例如几何、物理和图形表示。

US 6,964,037 B1公开了一种用于确定遗传图的余限(colimit)的计算机实现的方法。余限操作将概念粘合在一起，形成沿着共享子概念的共享并集。

US 7,319,951 B2公开了一种使用类别理论和认知科学为内容数据设计语义描述的方法。

US 10,360,503 B2公开了一种用于使用来自类别理论的概念来导出本体的系统。

这些文献不使用神经元网络作为机器学习方法，而是通常使用巨大的数据库。巨大的数据库的实施非常耗费硬件。

Tai-Danae Bradley所著的文献“What is applied category theory？”(参见arXiv:1809.05923v2)涉及将类别理论应用于自然语言处理等领域。这种方法使用统计方法(参见第3.2章)，这不是轻松处理自然语言的最佳工具，因为这种方法在某种意义上过于僵硬，无法处理“软”自然语言，使得需要大量训练。

所需要的是更适合处理不同类型的数据(例如，诸如图形数据、文本、自然语言和组合类型的数据)的数据处理设备和处理数据的方法，使得它们提供更好的结果并且比现有技术具有更低的硬件要求。

发明内容

本发明的目的是提供一种数据处理设备和用于处理数据的方法，其可以处理不同类型的数据，特别是组合类型的数据，优选地以至少部分无监督的方式，并且具有比现有技术更低的硬件要求。

本公开的一个目的涉及根据权利要求1的数据处理设备，其能够被配置用于深度学习的不同方面，诸如计算机视觉(图像识别)、自然语言处理(语音识别)、机器人、车辆等的计算机控制的处置，以及认知计算的其它领域，诸如组合类型的数据(例如，图形数据与文本的组合)的处理。

本发明的另一个目的涉及根据权利要求14的方法，该方法能够实现深度学习的不同方面，诸如计算机视觉(图像识别)、自然语言处理(语音识别)、机器人、车辆等的计算机控制的处置，以及认知计算的其它领域，诸如组合类型的数据(例如，图形数据与文本的组合)的处理。

本发明的又一个目的涉及根据权利要求27的计算机程序，当该程序由数据处理设备执行时，使得数据处理设备根据权利要求1或根据直接或间接地从属于其的任何权利要求进行配置或者执行权利要求14的方法。