[發明專利]一種數據處理方法、裝置及數據深度學習系統

有效

• 申請號: 201811235194.8
• 申請日: 2018-10-23
• 公開（公告）號: CN111091191B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 郭勐
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/084;G06N3/045
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;安利霞

1.一種數據處理方法，應用于數據深度學習系統，其特征在于，所述數據處理方法包括：

獲取采樣樣本的樣本類別；所述采樣樣本包括人的數據，所述樣本類別包括：年齡、性別、職業、身高和體重；

按照代價函數，計算網絡輸出值和樣本期望值之間的誤差信息；其中，所述網絡輸出值是所述采樣樣本的樣本數據經深度學習處理后的值；所述樣本類別不同所對應的所述樣本期望值不同；根據所述樣本類別和所述誤差信息，計算所述代價函數的類別權重；

所述根據所述樣本類別和所述誤差信息，計算所述代價函數的類別權重的步驟，包括：

根據所述樣本類別和所述誤差信息，計算相同樣本類別的采樣樣本的誤差值；

根據所述樣本類別和所述誤差值，計算不同樣本類別的采樣樣本的誤差反比；

根據所述誤差反比，計算所述代價函數的類別權重。

2.根據權利要求1所述的數據處理方法，其特征在于，根據所述樣本類別和所述誤差信息，計算相同樣本類別的采樣樣本的誤差值的步驟，包括：

根據所述樣本類別和所述誤差信息，計算相同樣本類別的多個采樣樣本的平均誤差值；所述平均誤差值為所述多個采樣樣本的算術平均誤差，或者，所述平均誤差值為所述多個采樣樣本的加權平均誤差。

3.根據權利要求1至2任一項所述的數據處理方法，其特征在于，根據所述樣本類別和所述誤差信息，計算所述代價函數的類別權重的步驟，包括：

當需要更新所述數據深度學習系統的網絡參數時，根據所述樣本類別和所述誤差信息，計算所述代價函數的類別權重。

4.根據權利要求3所述的數據處理方法，其特征在于，所述網絡參數包括：深度學習神經網絡的參數、所述誤差信息的均值和所述代價函數的類別權重中的至少一項。

5.根據權利要求1所述的數據處理方法，其特征在于，所述樣本類別不同所對應的樣本期望值不同。

6.根據權利要求1所述的數據處理方法，其特征在于，獲取采樣樣本的樣本類別的步驟，包括：

逐次獲取一個樣本批次的采樣樣本，所述一個樣本批次包括預設數目的采樣樣本，一個采樣樣本對應一個樣本類別及一個樣本數據。

7.一種數據處理裝置，應用于數據深度學習系統，其特征在于，所述數據處理裝置包括：

獲取模塊，用于獲取采樣樣本的樣本類別；所述采樣樣本包括人的數據，所述樣本類別包括：年齡、性別、職業、身高和體重；

第一計算模塊，用于按照代價函數，計算網絡輸出值和樣本期望值之間的誤差信息；其中，所述網絡輸出值是所述采樣樣本的樣本數據經深度學習處理后的值；所述樣本類別不同所對應的所述樣本期望值不同；

第二計算模塊，用于根據所述樣本類別和所述誤差信息，計算所述代價函數的類別權重；

所述第二計算模塊包括：

第一計算子模塊，用于根據所述樣本類別和所述誤差信息，計算相同樣本類別的采樣樣本的誤差值；

第二計算子模塊，用于根據所述樣本類別和所述誤差值，計算不同樣本類別的采樣樣本的誤差反比；

第三計算子模塊，用于根據所述誤差反比，計算所述代價函數的類別權重。

8.根據權利要求7所述的數據處理裝置，其特征在于，所述第一計算子模塊包括：

第一計算單元，用于根據所述樣本類別和所述誤差信息，計算相同樣本類別的多個采樣樣本的平均誤差值；所述平均誤差值為所述多個采樣樣本的算術平均誤差，或者，所述平均誤差值為所述多個采樣樣本的加權平均誤差。

9.根據權利要求7至8任一項所述的數據處理裝置，其特征在于，所述第二計算模塊還包括：

計算子模塊，用于當需要更新所述數據深度學習系統的網絡參數時，根據所述樣本類別和所述誤差信息，計算所述代價函數的類別權重。

10.根據權利要求9所述的數據處理裝置，其特征在于，所述網絡參數包括：深度學習神經網絡的參數、所述誤差信息的均值和所述代價函數的類別權重中的至少一項。