[发明专利]目标数据特征提取方法、装置及存储介质

权利要求书

1.一种目标数据特征提取方法，其特征在于，所述方法包括：

提取一目标数据的特征向量；

确定预设神经网络的一初始单元数据和一初始隐藏数据，并将所述特征向量以及初始单元数据和初始隐藏数据输入至所述预设神经网络进行处理，以对所述预设神经网络的单元数据和隐藏数据进行更新，并存储更新后的隐藏数据；

将所述更新后的单元数据和隐藏数据再次输入至所述预设神经网络进行处理，以再次对所述单元数据和隐藏数据进行更新，将所述更新过程循环处理预设次数，并存储每次更新后的隐藏数据；

将所述预设次数处理后存储的多个隐藏数据进行合并，以作为目标数据特征进行输出。

2.根据权利要求1所述的目标数据特征提取方法，所述预设神经网络包括一全连接层和一长短期记忆网络单元，其特征在于，将所述特征向量以及初始单元数据和初始隐藏数据输入至所述预设神经网络进行处理的步骤包括：

将所述特征向量以及初始隐藏数据合并后输入至所述全连接层进行处理，得到一全连接层处理结果；

将所述全连接层处理结果和所述初始单元数据输入至所述长短期记忆网络单元进行处理。

3.根据权利要求2所述的目标数据特征提取方法，其特征在于，将所述特征向量以及初始隐藏数据合并后输入至所述全连接层进行处理，得到全连接层处理结果的步骤包括：

将所述特征向量以及初始隐藏数据合并后输入至所述全连接层进行处理，生成一卷积特征向量；

将所述卷积特征向量等分为多个子向量，并通过sigmoid函数对每个子向量进行处理，得到处理结果。

4.根据权利要求1所述的目标数据特征提取方法，其特征在于，所述长短期记忆网络单元包括依次连接的一遗忘门、一输入门和一输出门；

所述遗忘门用于确定输入的单元数据中保留到当前时刻的单元数据；

所述输入门用于确定输入到当前长短期记忆网络单元中的信息数量，并对当前长短期记忆网络单元的数据进行更新；

所述输出门用于确定当前长短期记忆网络单元需要输出的单元数据和隐藏数据。

5.根据权利要求4所述的目标数据特征提取方法，其特征在于，所述遗忘门、输入门和输出门中包括多个函数，分别为sigmoid函数、tanh函数、加法函数以及乘法函数，所述多个函数通过神经网络处理器中的算子来进行运算。

6.根据权利要求1所述的目标数据特征提取方法，其特征在于，所述提取目标数据的特征向量的步骤包括：

对所述目标数据进行预处理；

将所述预处理后的目标数据输入至卷积神经网络中进行处理，以提取所述目标数据的特征向量。

7.根据权利要求1-6所述的目标数据特征提取方法，其特征在于，所述目标数据包括文字，图像和声音等。

8.一种目标数据特征提取装置，其特征在于，包括：

一提取单元，用于提取目标数据的特征向量；

一处理单元，用于确定预设神经网络的初始单元数据和初始隐藏数据，并将所述特征向量以及初始单元数据和初始隐藏数据输入至所述预设神经网络进行处理，以对所述预设神经网络的单元数据和隐藏数据进行更新，并存储更新后的隐藏数据；

一更新单元，用于将所述更新后的单元数据和隐藏数据再次输入至所述预设神经网络进行处理，以再次对所述单元数据和隐藏数据进行更新，将所述更新过程循环处理预设次数，并存储每次更新后的隐藏数据；

一输出单元，用于将所述预设次数处理后存储的多个隐藏数据进行合并，以作为目标数据特征进行输出。

9.根据权利要求8所述的目标数据特征提取装置，其特征在于，所述处理单元包括：

一第一处理子单元，用于将所述特征向量以及初始隐藏数据合并后输入至所述全连接层进行处理，得到处理结果；

一第二处理子单元，用于将所述处理结果和所述初始单元数据输入至所述长短期记忆网络单元进行处理。