[发明专利]用于执行人工神经网络自学习运算的装置和方法有效
| 申请号： | 201910402047.3 | 申请日： | 2016-04-27 |
| 公开（公告）号： | CN110188870B | 公开（公告）日： | 2021-10-12 |
| 发明（设计）人： | 李震;郭崎;陈云霁;陈天石 | 申请（专利权）人： | 中科寒武纪科技股份有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06N3/08;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100190 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供了一种用于执行人工神经网络自学习运算的装置和方法，所述装置包括控制器单元、互连模块、主运算模块、以及多个从运算模块。本公开可对多层神经网络的自学习预训练按照逐层训练的训练方式，对于每一层网络，本公开经过多次运算迭代直至权重更新小于一定阈值后，该层网络的自学习预训练完成。每次迭代过程可分为四个阶段，前三个阶段分别计算生成一阶隐层中间值.一阶可见层中间值和二阶隐层中间值，最后一阶段则利用前三个阶段的中间值更新权重。 | ||
| 搜索关键词： | 用于 执行 人工 神经网络 自学习 运算 装置 方法 | ||
【主权项】：
1.一种人工神经网络自学习运算方法，其特征在于，所述方法包括：根据神经元向量![]()
和权值向量矩阵![]()
计算得到一阶隐层中间值![]()
根据所述权值向量矩阵的转置![]()
和所述一阶隐层中间值的转置![]()
计算得到一阶可见层中间值![]()
根据所述一阶可见层中间值![]()
和所述权值向量矩阵![]()
计算得到第二隐层中间值![]()
根据预设的学习率、所述一阶隐层中间值![]()
所述神经元向量的转置![]()
所述第二隐层中间值![]()
和所述一阶可见层中间值的转置![]()
更新所述权值向量矩阵![]()
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中科寒武纪科技股份有限公司，未经中科寒武纪科技股份有限公司许可，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/patent/201910402047.3/，转载请声明来源钻瓜专利网。
