龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：辉达公司
摘要：本发明公开了用于建模序列数据中长期依赖性的双重循环神经网络递归神经网络架构。学习环境的动态变化并预测将来的后果是一项最新的技术进步，其可以应用于视频预测，语音识别以及其他应用。通常，机器学习例如深度学习模型，神经网络或其他人工智能算法用于进行预测。但是，当前用于进行预测的人工智能算法通常仅限于进行短期未来预测，这主要是由于以下原因：1高维视频数据中存在复杂的动态变化；2随时间传播的预测误差；以及3未来的内在不确定性。本公开通过提供双重即，两部分递归神经网络架构，使得能够建模用于进行长期预测的序列数据中的长期依赖性。
主权项：1.一种计算机实现的方法，包括：识别与输入序列相关联的隐藏状态集，所述输入序列是基于时间的数据序列并且所述隐藏状态集中的隐藏状态对应于所述基于时间的数据序列中的不同时间步长，其中所述输入序列是视频帧的序列或语音序列；通过历史递归神经网络处理所述隐藏状态集，以学习与所述输入序列相关联的单元状态转换函数，所述单元状态转换函数是通过其改变所述历史递归神经网络的每个节点的单元状态和所述隐藏状态的函数，其中所述历史递归神经网络包括注意力机制，所述注意力机制用于针对所述基于时间的数据序列中的每个时间步长计算包括最后的隐藏状态与每个较早的隐藏状态之间的关系的注意力信息，以指示针对每个较早的隐藏状态的权重，其中所述注意力信息通过递归连接传播，以及其中所述注意力机制的输出被用来学习所述单元状态转换函数；将所述输入序列和所述单元状态转换函数输入到更新递归神经网络；以及针对所述输入序列的每个输入，通过所述更新递归神经网络，更新所述更新递归神经网络中的当前单元状态和对应的隐藏状态，其中所述更新递归神经网络使用所述单元状态转换函数来更新针对所述输入序列的所述输入的所述当前单元状态和对应的隐藏状态。
全文数据：
权利要求：
百度查询： 辉达公司 用于建模序列数据中长期依赖性的双重递归神经网络架构
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号