[发明专利]用稀疏数据训练神经网络的系统和方法在审
| 申请号： | 201810589639.6 | 申请日： | 2018-06-08 |
| 公开（公告）号： | CN109034385A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | C·J·蒙克贝里;J·N·T·黑塞尔格伦;J·T·莱赫蒂宁;T·O·艾拉 | 申请（专利权）人： | 辉达公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京市磐华律师事务所 11336 | 代理人： | 高伟;娄晓丹 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 公开了用于训练神经网络模型的方法、计算机可读介质和系统。所述方法包括步骤：从包括输入向量和稀疏目标向量的一组训练数据中选择输入向量，其中每个稀疏目标向量包括对应于神经网络模型的输出向量内的样本子集的目标数据。所述方法还包括步骤：通过神经网络模型处理输入向量以针对输出向量内的样本产生输出数据，以及调整神经网络模型的参数值以针对样本子集减小输出向量与稀疏目标向量之间的差。 | ||
| 搜索关键词： | 神经网络模型 目标向量 输出向量 输入向量 稀疏 训练神经网络 样本子集 计算机可读介质 目标数据 输出数据 稀疏数据 训练数据 样本产生 减小 | ||
【主权项】：
1.一种用于训练神经网络模型的计算机实现的方法，包括：从包括输入向量和稀疏目标向量的一组训练数据中选择输入向量，其中每个稀疏目标向量包括对应于神经网络模型的输出向量内的样本子集的目标数据；通过所述神经网络模型处理所述输入向量，以针对所述输出向量内的样本产生输出数据；以及调整所述神经网络模型的参数值，以针对所述样本子集减小所述输出向量与所述稀疏目标向量之间的差。
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辉达公司，未经辉达公司许可，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/patent/201810589639.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种数据处理方法和装置
- 下一篇：一种基于资源调度器的深度学习系统及其方法
