[发明专利]一种面向神经网络模型优化的数据处理方法和装置

权利要求书

1.一种面向神经网络模型优化的数据处理方法，其特征在于，包括以下步骤：

接收输入数据：

对于输入向量数据X＝(x₁,x₂,…,x_N)，其中x₁,x₂,…,x_N为输入向量的各个维度，确定数据维度N以及第i个维度的数值x_i；

确定最高阶数P

根据数据维度与具体的计算硬件条件来确定P的数值；当数据维度大于1000时，P的取值范围为2≤P≤3，反之，其中，M为计算硬件内存，λ为计算精度；

计算各阶笛卡尔扩张项

根据所述P值构建k阶笛卡尔扩张项其中P_j为第j个维度x_j的指数，其取值为非负整数且满足

根据所述笛卡尔扩张项，分别计算所有1阶至P阶的笛卡尔扩张项；

输出结果：

在所述步骤2)计算完成后，将所有得到的1～P阶笛卡尔扩张结果按顺序排列在一起，形成结果向量S＝(s₁,s₂,…,s_M)，将其输出；其中s表示每个计算出的笛卡尔扩张项，M表示结果向量的维度。

2.根据权利要求1所述的数据处理方法，其特征在于：步骤2)中对于P阶笛卡尔扩张的操作可以通过矩阵的乘法来实现，具体如下：

对于维度为n的输入向量X＝(x₁,x₂,…,x_N)，其2阶笛卡尔扩张结果即为形为(N,N)的矩阵X ^TX中的元素，其3阶笛卡尔扩张结果即为2阶结果中N个列向量中的每一个列向量再乘上X形成(N,N)的矩阵，这样N个矩阵就形成形为(N,N,N)的3维矩阵；更高阶项的计算以此类推，每升高一阶，笛卡尔扩张结果矩阵就增加一个维度，直到计算出P阶笛卡尔扩张的结果。

3.根据权利要求1所述的数据处理方法，其特征在于：步骤2)中所述结果向量S输出前，通过降维方法对其维度进行筛选，去掉重要程度较低的维度，并将筛选后的向量作为结果进行输出。

4.一种面向神经网络模型优化的数据处理装置，其特征在于：所述数据处理装置用于运行权利要求1至3其中一项所述面向神经网络模型优化的数据处理方法；

数据处理装置包括：输入模块、笛卡尔扩张计算模块和输出模块；

输入模块，用于确定并接收用于计算的多维度数据，包括确定输入数据的维度及各维度的数值；

笛卡尔扩张计算模块，用于对所述输入模块确定的多维输入数据进行1阶至P阶笛卡尔扩张计算；

输出模块，用于根据所述笛卡尔扩张计算模块的计算结果，输出用于后续处理的高维度数据；

所述笛卡尔扩张计算模块包括：扩张阶数单元和乘法运算单元；

扩张阶数单元，用于设定笛卡尔扩张的最高阶数；

乘法运算单元，用于计算所述输入模块提供的多维数据各维度之间的1阶至P阶的笛卡尔扩张项。