[发明专利]分层结构化实体的不变表示

权利要求书

1.一种方法，由计算机使用人工神经网络执行，用于处理分层结构化实体的不变表示的数字图像识别，所述方法包括以下方法步骤：

·所述计算机对输入信号(14)学习稀疏编码字典以获得低复杂度分量的表示；

·通过利用所述计算机计算所述低复杂度分量之间的相关矩阵(8)来从所述稀疏表示的统计推断可能的变换，从而导致所述数据的不变性变换现在被以所述相关矩阵(8)的对称性编码；

·计算图(18)上的拉普拉斯算子的特征向量(9)，所述图(18)的邻接矩阵是来自前一步骤的相关矩阵(8)；

·对所述拉普拉斯算子的特征向量(9)的基执行坐标变换；

·对于下一个更高层次级别(11)，从第一个步骤重复，直到所述分层结构化实体的不变表示的所有的层次级别(7、11)都被处理、并且神经网络被训练为止；

·将经训练的人工神经网络用于分层结构化实体的数字图像识别，创建这些实体的在前面的步骤中学习的变换下不变的表示。

2.根据权利要求1所述的方法，

其中，

所述稀疏编码字典学习包括识别输入信号数据(14)中的图案(15)的第一处理步骤，

其中那些图案(15)表示输入信号数据(14)中的特定的重复出现的组合。

3.根据前述权利要求中一项所述的方法，

其中，

通过计算神经元激活的共同发生的相关矩阵(8)来创建低复杂度分量的表示。

4.根据前述权利要求中一项所述的方法，

其中，

所述下一个更高层次级别(11)取得从特征向量(9)的基的坐标变换的结果作为输入数据。

5.根据前述权利要求中一项所述的方法，

其中，

使用经训练的人工神经网络进行数字图像识别包括图像去噪、对象识别、语音识别和文本识别。

6.根据权利要求5所述的方法，

其中，

文本和对象识别包括求解验证码或者识别图像中的化学结构。

7.一种人工神经网络，在计算机上通过执行根据前述权利要求中一项所述的方法而建立。

8.一种软件产品，根据前述权利要求中一项在计算机上执行所述方法并且建立人工神经网络。