[發明專利]神經網絡設備和操作神經網絡設備的方法

在審

• 申請號: 201710826342.2
• 申請日: 2017-09-14
• 公開（公告）號: CN107871159A
• 公開（公告）日: 2018-04-03
• 發明（設計）人: 樸峻奭
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063
• 代理公司: 北京市柳沈律師事務所11105
• 代理人: 邵亞麗

相關申請的交叉引用

本申請要求于2016年9月23日提交的韓國專利申請第10-2016-0122471號和于2016年12月23日提交的韓國專利申請第10-2016-0177466號的優先權，其公開內容通過引用全部并入本文。

技術領域

本發明構思的示例性實施例涉及神經網絡設備，且更具體地，涉及一種增加神經網絡設備的運算速度的方法。

背景技術

也稱為人造神經網絡的神經網絡是指以圖案排列的硬件和/或軟件的系統，使得其類似于人腦中的神經元的操作來操作。人造神經網絡可以包括多個層，其中的每個層接收輸入數據并通過處理輸入數據來生成輸出數據。

隨著神經網絡技術進步，諸如無人機(drone)、高級駕駛員輔助系統(ADAS)、機器人等的各種電子系統可以包括神經網絡設備以從輸入數據中提取有用信息。

發明內容

本發明構思的示例性實施例提供了一種操作可以增加運算速度的神經網絡設備的方法，以及可以增加運算速度的神經網絡設備。

根據本發明構思的示例性實施例，一種操作神經網絡設備的方法包括：由輸入層接收多個連續輸入數據。神經網絡設備包括包括輸入層、第一線性層、第一非線性層和第二線性層的神經網絡。該方法進一步包括，基于來自多個連續輸入數據當中的當前輸入數據與先前輸入數據之間的差，由輸入層生成增量數據。該方法進一步包括由第一線性層生成第一當前特征。第一當前特征對應于基于第一增量特征和第一先前特征對當前輸入數據執行第一線性運算的結果。通過對增量數據執行第一線性運算來生成第一增量特征。第一先前特征存儲在第一線性層中的第一寄存器中。該方法進一步包括基于第二當前特征和第二先前特征，由第一非線性層生成第二增量特征。通過對第一當前特征執行第一非線性運算來生成第二當前特征。第二先前特征存儲在第一非線性層中的第二寄存器中。該方法進一步包括基于第三增量特征和第三先前特征，由第二線性層生成第三當前特征。第三當前特征對應于對第二當前特征執行第二線性運算的結果。通過對第二增量特征執行第二線性運算來生成第三增量特征。第三先前特征存儲在第二線性層中的第三寄存器中。

根據本發明構思的示例性實施例，一種神經網絡設備包括神經網絡的輸入層、神經網絡的第一線性層、神經網絡的第一非線性層和神經網絡的第二線性層。輸入層被配置為接收多個連續輸入數據，并且基于來自多個連續輸入數據當中的當前輸入數據與先前輸入數據之間的差生成增量數據。第一線性層被配置為通過對增量數據執行第一線性運算來生成第一增量特征，并且基于第一增量特征和第一先前特征生成第一當前特征。第一當前特征對應于對當前輸入數據執行第一線性運算的結果。第一先前特征存儲在第一線性層的第一寄存器中。第一非線性層被配置為通過對第一當前特征執行第一非線性運算來生成第二當前特征，并且基于第二當前特征和第二先前特征生成第二增量特征。第二先前特征存儲在第一非線性層的第二寄存器中。第二線性層被配置為通過對第二增量特征執行第二線性運算來生成第三增量特征，并且基于第三增量特征和第三先前特征生成第三當前特征。第三當前特征對應于對第二當前特征執行第二線性運算的結果。第三先前特征存儲在第二線性層的第三寄存器中。

根據本發明構思的示例性實施例，一種識別視頻流中的對象的方法包括使用神經網絡的輸入層來接收在視頻流中包括的多個連續數據幀，使用神經網絡的輸入層，基于來自多個連續數據幀當中的當前數據幀與先前數據幀之間的差，生成增量數據，以及使用神經網絡的第一線性層生成第一當前特征。第一當前特征對應于基于第一增量特征和第一先前特征對當前數據幀執行第一線性運算的結果。通過對增量數據執行第一線性運算來生成第一增量特征。第一先前特征存儲在第一線性層中的第一寄存器中。該方法進一步包括使用神經網絡的第一非線性層，基于第二當前特征和第二先前特征來生成第二增量特征。通過對第一當前特征執行第一非線性運算來生成第二當前特征。第二先前特征存儲在第一非線性層中的第二寄存器中。該方法進一步包括使用神經網絡的第二線性層，基于第三增量特征和第三先前特征來生成第三當前特征。第三當前特征對應于對第二當前特征執行第二線性運算的結果。通過對第二增量特征執行第二線性運算來生成第三增量特征。第三先前特征存儲在第二線性層中的第三個寄存器中。該方法進一步包括使用第三當前特征識別視頻流中的對象。

附圖說明

通過參考附圖詳細描述其示例性實施例，本發明構思的上述和其他特征將變得更加明顯，在附圖中：

圖1是圖示根據發明構思的示例性實施例的神經網絡設備的框圖。