[发明专利]使用比特块生成输出示例在审
申请号: | 201880027651.6 | 申请日: | 2018-05-22 |
公开(公告)号: | CN110574047A | 公开(公告)日: | 2019-12-13 |
发明(设计)人: | N.E.卡尔奇布伦纳;K.西蒙扬;E.K.埃尔森 | 申请(专利权)人: | 渊慧科技有限公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08 |
代理公司: | 11105 北京市柳沈律师事务所 | 代理人: | 金玉洁 |
地址: | 英国*** | 国省代码: | 英国;GB |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 时间步骤 输出 计算机存储介质 计算机程序 依赖性数据 神经网络 访问 | ||
1.一种方法,包括:
接收生成具有T个N比特样本的特定类型的输出示例的请求,其中,N和T分别是大于1的整数;
访问依赖性数据,其中,所述依赖性数据:
将输出示例中的N*T比特划分为多个比特块,每个比特块包括来自输出示例的相应的多个比特,和
对于多个块中的每一个,定义对于所述块的相应依赖性,所述依赖性识别所述块中比特值所依赖的多个块中的一个或多个其他块;以及
在多个生成时间步骤的每一个生成时间步骤处,通过以下内容来生成输出示例:
识别对于生成时间步骤的一个或多个当前块,其中,每个当前块是其中对于所述块的依赖性中识别的所有其他块中的比特值已经被生成的块;和
对于每个当前块,以对于当前块的依赖性中识别的其他块中已经生成的比特值为条件,生成对于生成时间步骤的当前块中的比特值。
2.如权利要求1所述的方法,其中,对于其中识别多个当前块的生成时间步骤,并行生成当前块。
3.如权利要求1或2中任一项所述的方法,其中,所述依赖性数据将块排列成具有多行和多列的矩阵结构,并且其中,对于多个块中的每一个特定块,依赖性识别特定块不依赖于在所述特定块的行之前的行中的特定块之后超过H列的任何块,其中,H是固定正整数。
4.如权利要求3所述的方法,其中,对于行i和列j中的给定块,所述依赖性识别所述给定块仅依赖于以下块中的值:
行i中的块1至j-1,和对于行i下面的每一行i-k,块1至(j-1+kH)。
5.如权利要求4所述的方法,其中,识别对于生成时间步骤的一个或多个当前块包括:对于多行的每一行,确定在所述行中是否存在块,其中在对于所述块的依赖性中识别的所有其他块已经被生成。
6.如权利要求5所述的方法,其中,对于每一个当前块,以对于当前块的依赖性中识别的其他块中已经生成的比特值为条件,生成对于生成时间步骤的当前块中的比特值包括,对于其中识别出当前块的每一行:
生成网络输入,所述网络输入基于在对于所述行中的当前块的依赖性中识别的块中的比特值来调节指定于所述行的自回归神经网络;
使用指定于所述行的自回归神经网络来处理所述网络输入,其中,所述自回归神经网络被配置为处理所述网络输入,以生成可能值组合上的似然性分布,每个可能值组合包括对于当前块中每个比特的相应比特值;
根据所述似然性分布从所述可能值组合中选择值组合,以及
向当前块中的对应比特分配所选择的值组合中的相应比特值。
7.如权利要求5所述的方法,其中,对于每个当前块,以在对于当前块的依赖性中识别的其他块中已经生成的比特值为条件,生成对于生成时间步骤的当前块中的比特值包括,对于每一个当前块:
生成网络输入,所述网络输入基于在对于当前块的依赖性中识别的块中的比特值来调节自回归神经网络;
使用所述自回归神经网络的实例来处理所述网络输入,其中,所述自回归神经网络被配置为处理所述网络输入,以生成可能值组合上的似然性分布,每个可能值组合包括对于当前块中每个比特的相应比特值;
根据所述似然性分布从所述可能值组合中选择值组合,以及
向当前块中的对应比特分配所选择的值组合中的相应比特值。
8.如权利要求1-7中任一项所述的方法,其中,每个块也依赖于上下文输入,并且其中,生成当前块中的比特值也是以所述上下文输入为条件。
9.一种或多种计算机存储介质,其存储指令,当由一个或多个计算机实施所述指令时,使得所述一个或多个计算机执行如权利要求1至8中任一项所述的相应方法的操作。
10.一种系统,包括一个或多个计算机和存储指令的一个或多个存储设备,当由一个或多个计算机实施所述指令时,使得所述一个或多个计算机执行如权利要求1-8中任一项所述的相应方法的操作。
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渊慧科技有限公司,未经渊慧科技有限公司许可,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/pat/books/201880027651.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:各种行为的数据有效模仿
- 下一篇:训练动作选择神经网络