[發明專利]訓練人工智能更正存儲裝置的對數概度比的方法

在審

• 申請號: 201811173062.7
• 申請日: 2018-10-09
• 公開（公告）號: CN110969256A
• 公開（公告）日: 2020-04-07
• 發明（設計）人: 彭祥恩;吳昇翰
• 申請（專利權）人: 深圳衡宇芯片科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/063;G06F7/556
• 代理公司: 北京律和信知識產權代理事務所(普通合伙) 11446
• 代理人: 武玉琴;冷文燕

1.一種訓練人工智能更正存儲裝置的對數概度比的方法，適用于存儲裝置，所述存儲裝置包含多個記憶單元，各所述記憶單元存儲一或多個位元值，其特征在于，所述訓練人工智能更正存儲裝置的對數概度比的方法包含以下步驟：

(a)定義多個存儲狀態，所述多個存儲狀態包含強正確區、弱正確區、強錯誤區以及弱錯誤區；

(b)依據各所述記憶單元的存儲狀態，分類各所述記憶單元屬于所述強正確區、所述弱正確區、所述強錯誤區或所述弱錯誤區；

(c)計算分類在所述強正確區的所述多個記憶單元數量，占分類在所述強正確區與所述弱正確區總和的所述多個記憶單元數量的強正確比例；

(d)計算分類在所述強錯誤區的所述多個記憶單元數量，占分類在所述強錯誤區與所述弱錯誤區總和的所述多個記憶單元數量的強錯誤比例；

(e)計算分類在所述弱正確區的所述多個記憶單元的數量，與分類在所述弱錯誤區的所述多個記憶單元的數量，以取得加總的直方圖參數；

(f)輸入所述強正確比例、所述強錯誤比例以及所述直方圖參數至人工智能類神經網絡系統；以及

(g)使用機器學習基于所述強正確比例、所述強錯誤比例以及所述直方圖參數，以分析出實作對數概度比。

2.根據權利要求1所述的訓練人工智能更正存儲裝置的對數概度比的方法，其特征在于，所述訓練人工智能更正存儲裝置的對數概度比的方法還包含以下步驟：

(h)利用查表存儲多個初始對數概度比；

(i)從所述查表選擇其中一個所述初始對數概度比，作為目標對數概度比；

(j)輸入所述目標對數概度比、所述強正確比例、所述強錯誤比例以及所述直方圖參數至人工智能類神經網絡系統；

(k)使用機器學習基于所述目標對數概度比、所述強正確比例、所述強錯誤比例以及所述直方圖參數，分析出預測對數概度比；以及

(l)比對所述預測對數概度比與所述目標對數概度比的差值是否小于差值門限值，若是，將所述預測對數概度比作為所述實作對數概度比，若否，執行步驟(i)從所述查表選擇另一個所述初始對數概度比作為所述目標對數概度比，接著基于所述另一個初始對數概度比依序執行步驟(k)～(l)。

3.根據權利要求1所述的訓練人工智能更正存儲裝置的對數概度比的方法，其特征在于，所述訓練人工智能更正存儲裝置的對數概度比的方法還包含以下步驟：

(m)輸入所述實作對數概度比至譯碼器；

(n)利用所述譯碼器以基于所述實作對數概度比的譯碼程序譯碼各所述記憶單元存儲的所述位元值；

(o)判斷所述譯碼器是否成功譯碼所述位元值，若是，紀錄所述實作對數概度比，若否，從查表存儲的多個初始對數概度比選擇其中一個所述初始對數概度比作為目標對數概度比，接著執行步驟(p)；

(p)輸入所述目標對數概度比、所述強正確比例、所述強錯誤比例以及所述直方圖參數至人工智能類神經網絡系統；以及

(q)使用機器學習基于所述目標對數概度比、所述強正確比例、所述強錯誤比例以及所述直方圖參數，分析出另一個實作對數概度比，接著基于所述另一個實作對數概度比取代所述實作對數概度依序執行步驟(m)～(q)。

4.根據權利要求1所述的訓練人工智能更正存儲裝置的對數概度比的方法，其特征在于，所述訓練人工智能更正存儲裝置的對數概度比的方法還包含以下步驟：

(r)輸入所述實作對數概度比至譯碼器；

(s)利用所述譯碼器以基于所述實作對數概度比的譯碼程序譯碼各所述記憶單元存儲的所述位元值；

(t)計算利用所述譯碼器以基于所述實作對數概度比的譯碼程序譯碼各所述記憶單元存儲的所述位元值的成功率；以及

(u)比對所述成功率是否落入成功機率門限范圍內，若是，紀錄所述實作對數概度比，若否，跳回執行步驟(a)。