CN119538978A 结合前馈加速和反馈思考的神经网络系统、推理方法及存储介质 (上海岩芯数智人工智能科技有限公司)_第1页
CN119538978A 结合前馈加速和反馈思考的神经网络系统、推理方法及存储介质 (上海岩芯数智人工智能科技有限公司)_第2页
CN119538978A 结合前馈加速和反馈思考的神经网络系统、推理方法及存储介质 (上海岩芯数智人工智能科技有限公司)_第3页
CN119538978A 结合前馈加速和反馈思考的神经网络系统、推理方法及存储介质 (上海岩芯数智人工智能科技有限公司)_第4页
CN119538978A 结合前馈加速和反馈思考的神经网络系统、推理方法及存储介质 (上海岩芯数智人工智能科技有限公司)_第5页
已阅读5页,还剩17页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

司结合前馈加速和反馈思考的神经网络系统、本发明提供了结合前馈加速和反馈思考的输入层、隐含层和输出层;隐含层包括N层网络层,用于将输入矩阵,经N层网络层依次向后传递;当第k层网络层的输入转换向量与输出转换向量之间的差异值小于第一阈值T1时,则第k层网络层的输出矩阵跳转至最后一层网络层;否则,第k层网络层的输出矩阵顺序传递至下一层触发最后一层网络层的输出矩阵向前传递至第N_L层网络层,之后继续向后传递,重复上述过能力,提高神经网络系统对复杂数据的处理能2所述隐含层包括N层网络层,用于将所述隐含层的输入矩阵,经N层所其中,当输入矩阵经所述隐含层传递至第k层网络层时,将第k缩转换为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩转换为第k层网络层当第k层网络层的输入转换向量与输出转换向量之间的差异值小于第一阈值T1时,则将最后一层网络层的输入矩阵压缩转换为最后一层网络层的输入转换层网络层的输出矩阵压缩转换为最后一层网所述输出层,用于输入最后一层网络层的输出矩阵,并将最络层的输入矩阵压缩为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩为第k一层网络层的输出矩阵压缩为最后一层网络S1、输入层输入原始矩阵,并将原始矩阵处理为为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩为第k层网络层的输出转换当第k层网络层的输入转换向量与输出转换向量之间的差异值小于第一阈值T1时,则3S3、最后一层网络层的输出矩阵输入输出层,并将将第k层网络层的输入矩阵压缩为第k层网络层的输入转换向量,第k层网络层的输出矩阵4阵压缩转换为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩转换为第k层网计算第k层网络层的输入转换向量与输出转当第k层网络层的输入转换向量与输出转换向量之间的差异值小于第一阈值T1计算最后一层网络层的输入转换向量与输出当最后一层网络层的输入转换向量与输出转换向量之间的差异值大于第二阈值5则触发最后一层网络层的输出矩阵向前传递至第N_L层网络层,之后继续向后传第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩为第k层网络层的输出转换向最后一层网络层的输出矩阵压缩为最后一层网络[0008]在一个较佳的实施例中,当最后一层网络层的输出矩阵向前传递至第N_L层网络压缩为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩为第k层网络层的输出当第k层网络层的输入转换向量与输出转换向量之间的差异值小于第一阈值T1当最后一层网络层的输入转换向量与输出转换向量之间的差异值大于第二阈值则触发最后一层网络层的输出矩阵向前传递至第N_L层网络层,之后继续向后传入矩阵压缩为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩为第k层网络层6通过余弦相似算法,计算第k层网络层的输入转换向量与输出转换向量之间的差[0012]在一个较佳的实施例中,当最后一层网络层的输出矩阵向前传递至第N_L层网络络层的输入转换向量与输出转换向量之间的差异值是否小于第一阈值,实现第k层网络层最后一层网络层的输出矩阵输入第N_L层网络层继续向后传递,从而实现隐含层更加充分7W2[0025]神经网络训经过充分的训练后,通常隐含层200的每一层网络层配置的网络层权8[0031]第1层网络层201的输出矩阵X1作为第2层网络层202的输入矩阵,输入第2层网络经隐含层200传递至第k层网络层20k时,将第k层网络层20k的输入矩阵Xk-1压缩为第k层网络层的输入转换向量Hk-1m,第k层网络层的输出矩阵Xk压缩为第k层网络层的输出转换向量k层的输入转换向量Hk-1m,第k层网络层的输出矩阵Xk压缩为第k层网络层的输出转换向量k[0038]本发明通过余弦相似算法,计算第k层网络层的输入转换向量Hk-1m与输出转换向[0039]具体地,本发明第k层网络层的输入转换向量Hk-1m与输出转换向量Hkm之间的差异k-1m其中,scorek表示第k层网络层的输入转换向量与输出转换向量之间的差异值,[0040]当第k层网络层的输入转换向量Hk-1m与输出转换向量Hkm之间的差异值scorek大于[0041]当第k层网络层的输入转换向量Hk-1m与输出转换向量Hkm之间的差异值scorek小于20N从而实现前馈加速向后传递。否则,第k层网络层的输出矩阵Xk依次传递至最后一层9[0044]当第k层网络层的输入转换向量Hk-1m与输出转换向量Hkm之间的差异值scorek的小[0047]本发明通过压缩平均的方法,将最后一层网络层的输入矩阵XN-1压缩为最后一层网络层的输入转换向量HN-1m,将最后一层网络层的输出矩阵压XN缩为最后一层网络层输出转换向量HNm之间的差异值scoreN的第二阈值设置为则不再计算最后一层网络层的输入转换向量HN-1m与输出转换向量HNm之间的差异后传递的过程中,通过计算第k层网络层的输入转换向量与输出转换向量之间的差异值是[0058]本发明通过计算最后一层网络层的输入转换向量HN-1m与输出转换向量HNm之间的后一层网络层的输入转换向量HN-1m与输出转换向量HNm之间的差异值scoreN大于第二阈值k层网络层的输入矩阵压缩为第k层网络层的输入转换向量,第k层网络层的输出矩阵压缩[0064]本发明通过余弦相似算法,计算第k层网络层的输入转换向量与输出转换向量之k-1m其中,scorek表示第k层网络层的输入转换向量与输出转换向量之间的差异值,[0066]当第k层网络层的输入转换向量与输出转换向量之间的差异值scorek大于或等于[0067]当第k层网络层的输入转换向量与输出转换向量之间的差异值小于第一阈值T1将最后一层网络层的输出矩阵压缩为最后一层网络层的层的输入转换向量,将最后一层网络层的输出矩阵压缩为最后一层网络层的输出转换向N_1m其中,scoreN表示最后一层网络层的输入转换向量与输出转换向量之间的差异[0073]当最后一层网络层的输入转换向量与输出转换向量之间的差

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论