[发明专利]基于深度神经网络的矢量量化系统及方法有效
| 申请号： | 201610466518.3 | 申请日： | 2016-06-23 |
| 公开（公告）号： | CN106203624B | 公开（公告）日： | 2019-06-21 |
| 发明（设计）人： | 江文斌;贾晓立;江晓波;胡定禹;刘佩林 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 胡晶 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于深度神经网络的矢量量化系统及方法，包括：归一化预处理模块，将原始数据通过归一化数据进行归一化处理，输出归一化后的预处理数据；矢量量化编码模块，用以接收预处理数据及码本，并通过码本对所述预处理数据进行矢量量化编码，输出编码数据；神经网络反量化模块，通过深度神经网络对编码数据进行解码反量化，输出解码数据；反归一化后处理模块，通过归一化数据对解码数据进行反归一化处理，输出反归一化后的还原原始数据；及神经网络训练模块，通过归一化预处理后的预处理训练数据和编码训练数据，进行神经网络的训练，输出深度神经网络至神经网络反量化模块中。本发明能有效解决高维度信号矢量量化的量化误差较大的问题。 | ||
| 搜索关键词： | 基于 深度 神经网络 矢量 量化 系统 方法 | ||
【主权项】：
1.一种基于深度神经网络的多媒体数据的矢量量化系统，其特征在于，包括：归一化预处理模块，用以接收原始多媒体数据，并将原始多媒体数据通过归一化数据进行归一化处理，输出归一化后的预处理数据；矢量量化编码模块，用以接收所述预处理数据及预先用预处理训练数据训练好的码本，并通过码本对所述预处理数据进行矢量量化编码，输出编码数据；神经网络反量化模块，用以接收所述编码数据及预先训练好的深度神经网络，并通过深度神经网络对所述编码数据进行解码反量化，输出解码数据；反归一化后处理模块，用以接收所述解码数据，并通过所述归一化数据对所述解码数据进行反归一化处理，输出反归一化后的还原原始多媒体数据；及神经网络训练模块，用以通过所述预处理训练数据和将预处理训练数据经所述矢量量化编码模块编码后的编码训练数据，进行神经网络的训练，得到所述深度神经网络，输出所述深度神经网络至所述神经网络反量化模块中；所述原始多媒体数据为语音和/或图像。
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上海交通大学，未经上海交通大学许可，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/201610466518.3/，转载请声明来源钻瓜专利网。
- 上一篇：车辆定损方法和装置
- 下一篇：神经网络模型训练装置和方法
