Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020062250 - PROCÉDÉ ET APPAREIL D'APPRENTISSAGE DE RÉSEAU NEURONAL ARTIFICIEL

Numéro de publication WO/2020/062250
Date de publication 02.04.2020
N° de la demande internationale PCT/CN2018/109114
Date du dépôt international 30.09.2018
CIB
G06N 3/08 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
CPC
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
Déposants
  • 华为技术有限公司 HUAWEI TECHNOLOGIES CO., LTD. [CN]/[CN]
Inventeurs
  • 马涛 MA, Tao
  • 范礼 FAN, Li
  • 苏箐 SU, Qing
Mandataires
  • 北京龙双利达知识产权代理有限公司 LONGSUN LEAD IP LTD.
Données relatives à la priorité
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) METHOD AND APPARATUS FOR TRAINING ARTIFICIAL NEURAL NETWORK
(FR) PROCÉDÉ ET APPAREIL D'APPRENTISSAGE DE RÉSEAU NEURONAL ARTIFICIEL
(ZH) 训练人工神经网络的方法和装置
Abrégé
(EN)
A method for training an artificial neural network. The method comprises: acquiring M training samples, wherein each of the M training samples includes at least one object, and M is an integer greater than or equal to two (S510); and dividing the M training samples into K groups of training samples according to the objects included in the M training samples, wherein the K groups of training samples correspond to K calculation units on a one-to-one basis, the K calculation units are used for processing the objects in the K groups of training samples, and the K calculation units are used for training an artificial neural network on the basis of processing results of the objects in the K groups of training samples, with K being an integer greater than or equal to two (S520). According to the method, the number of training samples included in each group of training samples is equal or is approximately equal, such that the difference in time required for different calculation units to process objects can be reduced, and the next step, which can only be performed based on the processing results of all the objects, can be performed in advance, thereby improving the efficiency of training an artificial neural network.
(FR)
L'invention concerne un procédé d'apprentissage d'un réseau neuronal artificiel. Le procédé consiste à : acquérir M échantillons d'apprentissage, chacun des M échantillons d'apprentissage comprenant au moins un objet, et M étant un nombre entier supérieur ou égal à deux (S510) ; et diviser les M échantillons d'apprentissage en K groupes d'échantillons d'apprentissage conformément aux objets compris dans les M échantillons d'apprentissage, les K groupes d'échantillons d'apprentissage correspondant à K unités de calcul sur une base biunivoque, les K unités de calcul servant à traiter les objets des K groupes d'échantillons d'apprentissage, et les K unités de calcul servant à entraîner un réseau neuronal artificiel sur la base de résultats de traitement des objets des K groupes d'échantillons d'apprentissage, K étant un nombre entier supérieur ou égal à deux (S520). Selon le procédé, le nombre d'échantillons d'apprentissage compris dans chaque groupe d'échantillons d'apprentissage est égal ou sensiblement égal, ce qui permet de réduire la différence de temps requise par des unités de calcul différentes pour traiter des objets, et d'exécuter à l'avance l'étape suivante, qui ne peut être exécutée que sur la base des résultats de traitement de tous les objets, améliorant ainsi l'efficacité d'apprentissage d'un réseau neuronal artificiel.
(ZH)
一种训练人工神经网络的方法,包括:获取M个训练样本,M个训练样本中每个训练样本包含至少一个目标,M为大于或等于2的整数(S510);根据M个训练样本所包含的目标将M个训练样本分为K组训练样本,K组训练样本与K个计算单元一一对应,K个计算单元用于处理K组训练样本中的目标,且,K个计算单元用于基于K组训练样本中的目标的处理结果训练人工神经网络,K为大于或等于2的整数(S520)。该方法使得每组训练样本所包含的训练样本的数量相等或者近似相等,这样,可以减小不同计算单元处理目标所需时间的差异,需要基于全部目标的处理结果才能够进行的下一个步骤得以提前进行,从而提高了人工神经网络的训练效率。
Dernières données bibliographiques dont dispose le Bureau international