[发明专利]用于基于内核的机器学习的结构化正交随机特征在审
| 申请号： | 201780072443.3 | 申请日： | 2017-10-26 |
| 公开（公告）号： | CN109997131A | 公开（公告）日： | 2019-07-09 |
| 发明（设计）人： | D.霍尔特曼-赖斯;S.库马;X.余;K.M.乔罗曼斯基;A.T.苏雷什 | 申请（专利权）人： | 谷歌有限责任公司 |
| 主分类号： | G06F17/16 | 分类号： | G06F17/16;G06K9/00 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 邵亚丽 |
| 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： | 为使用内核对数据执行分类操作的基于内核的机器学习系统生成输入的技术涉及：根据称为结构化正交随机特征(SORF)的新框架生成针对高斯内核的无偏估计器。内核的无偏估计器KSORF涉及使用矩阵对集合的乘积计算的线性变换矩阵WSORF，每对矩阵包括正交矩阵和相应对角矩阵，其元素是遵循指定的概率分布的实数。通常，正交矩阵是Walsh‑Hadamard矩阵，指定的概率分布是Rademacher分布，并且至少有两对，通常是三对矩阵相乘，以形成线性变换矩阵WSORF。 | ||
| 搜索关键词： | 内核 矩阵 线性变换矩阵 概率分布 随机特征 无偏估计 正交矩阵 结构化 正交 机器学习系统 乘积计算 对角矩阵 机器学习 矩阵相乘 数据执行 实数 新框架 高斯 集合 分类 | ||
【主权项】：
1.一种为基于内核的机器学习系统生成输入的方法，所述基于内核的机器学习系统使用内核对数据执行分类操作，所述方法包括：由基于内核的机器学习系统的处理电路生成对角矩阵集合，所述对角矩阵集合中的每一个具有零的非对角元素和具有根据指定的概率分布函数分布的值的对角元素；由所述处理电路产生正交矩阵集合，所述正交矩阵集合中的每一个具有相互正交的行；对于对角矩阵集合中的每一个，由所述处理电路形成矩阵对集合，所述矩阵对集合中的每一个包括(i)该对角矩阵，以及(ii)所述正交矩阵集合中的相应正交矩阵；以及由所述处理电路生成所述矩阵对集合中的每一个的乘积以产生线性变换矩阵，所述线性变换矩阵是由基于内核的机器学习系统使用的内核的无偏估计器。
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谷歌有限责任公司，未经谷歌有限责任公司许可，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/201780072443.3/，转载请声明来源钻瓜专利网。
- 上一篇：视频检索装置、数据存储方法以及数据存储装置
- 下一篇：低时延矩阵乘法部件
