[发明专利]通过分解的神经网络分类

说明书

描述了一种分类系统，该分类系统可以包括神经网络分解逻辑(“NND”)，该神经网络分解逻辑可以使用神经网络(“NN”)来执行分类。NND可以将分类决策分解为多个子决策空间。NND可以使用NN执行分类，所述NN具有比NND用于分类的神经元更少的神经元，和/或所述NN接受具有比输入到NND的特征向量更小的大小的特征向量。所述NND可以维护用于子决策空间的多个上下文，并且可以在这些上下文之间进行切换以便使用子决策空间执行分类。NND可以对来自子决策空间的结果进行组合以决定分类。通过将决策划分到子决策空间中，NND可以使用NN提供分类决策，该NN可能否则不适于特定的分类决策。也可以描述和/或请求保护其他实施例。

技术领域

本公开涉及数据处理的领域，具体地涉及与通过分解执行神经网络分类相关联的装置、方法和存储介质。

背景技术

本文所提供的背景描述是为了在总体上呈现本公开的上下文。除非本文中另有指示，否则本章节中所描述的材料对于本申请的权利要求书而言并非现有技术，并且也并不承认包括在本章节中就为现有技术。

通常，要求计算系统将输入数据分类到类别中。在某些情况下，可以基于各种输入的融合来确定更高级别的信息。在某些情景中，来自与个人相关联的传感器的数据可以被合并或融合以确定与用户相关联的上下文。例如，来自运动传感器的数据可以被融合以由用户对身体活动进行分类，例如，步行、跑步、骑车、驾驶等。在另一个示例中，运动传感器数据可以被融合以对运动姿势进行分类，例如，对点击设备、轻击设备、举起和注视设备、绘制形状等的识别。在又一个示例中，从麦克风捕获的数据可以被融合，以对环境音频(例如，音乐、语音、人群存在、运动声音等)进行分类。尽管这些情景提供了复杂的传感器融合分类任务的某些示例，但是在其他情景中，可以使用其他数据执行分类或者可以执行分类以确定其他上下文。

在各种情景中，由于执行这种分类的复杂性，可能期望使用神经网络。诸如可穿戴设备或移动设备的某些计算平台提供神经网络计算逻辑，在某些情景中，神经网络计算逻辑可以是基于硬件的。然而，神经网络逻辑可能受限在某些情景中。例如，由计算平台提供的神经网络会包含用于神经网络计算的有限数量的神经元。在另一个示例中，神经网络会被限制为接受特定大小的输入。这可能证明在某些应用中是有问题的，例如，当可用输入数据的大小超过了由神经网络逻辑接受的输入大小时，或者当分类问题要求比神经网络逻辑中存在的神经元更多数量的神经元时。在神经网络逻辑在硬件中实现并且因而可能不容易扩展时，这些限制尤其难于处理。

附图说明

通过以下结合附图的详细描述，将容易理解实施例。为了便于描述，相同的参考标号指代相同的结构元件。在附图的图中，通过示例而非限制的方式示出了实施例。

图1示出了根据各种实施例针对使用本文描述的分解技术的分类系统的示例布置。

图2示出了根据各种实施例将分类问题分解为子决策空间的示例。

图3示出了根据各种实施例用于使用本文描述的分解技术进行分类的示例过程。

图4示出了根据各种实施例用于训练分类系统的示例过程。

图5示出了根据各种实施例用于确定到最近的神经元的距离的示例过程。

图6示出了根据各种实施例用于确定是否添加新的神经元的示例过程。

图7示出了根据各种实施例用于识别分类的示例过程。

图8示出了根据各种实施例适于实施本公开的各个方面的示例计算环境。

图9示出了根据各种实施例具有指令的示例存储介质，该指令被配置为使得装置能够实施本公开的各个方面。

具体实施方式