[發(fā)明專利]資料延伸方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 201811453086.8
• 申請日: 2018-11-28
• 公開（公告）號: CN109583568A
• 公開（公告）日: 2019-04-05
• 發(fā)明（設(shè)計(jì)）人: 吳忠元
• 申請（專利權(quán)）人: 中科賽諾（北京）科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11371
• 代理人: 蘇勝

1.一種資料延伸方法，其特征在于，包括：

將原始觀測圖像資料按照圖像屬性分成N個(gè)級別，得到當(dāng)前時(shí)刻每個(gè)級別所對應(yīng)的分級圖像資料，其中N大于等于1；

利用預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)以每個(gè)級別的所述分級圖像資料作為輸入進(jìn)行資料延伸，得到下一時(shí)刻每個(gè)級別所對應(yīng)的延伸資料，所述深度神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)使用預(yù)設(shè)的策略神經(jīng)網(wǎng)絡(luò)輸出的權(quán)重系數(shù)，所述權(quán)重系數(shù)使所述深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)價(jià)值最大；

對N個(gè)級別所對應(yīng)的延伸資料進(jìn)行圖像合成，重構(gòu)出下一時(shí)刻的延伸觀測圖像資料。

2.根據(jù)權(quán)利要求1所述的資料延伸方法，其特征在于，所述策略神經(jīng)網(wǎng)絡(luò)包括：價(jià)值評估網(wǎng)絡(luò)和控制神經(jīng)網(wǎng)絡(luò)，所述價(jià)值評估網(wǎng)絡(luò)用于評估所述深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)的價(jià)值，所述控制神經(jīng)網(wǎng)絡(luò)基于所述價(jià)值評估網(wǎng)絡(luò)輸出的價(jià)值及預(yù)設(shè)調(diào)整策略調(diào)整所述權(quán)重系數(shù)。

3.根據(jù)權(quán)利要求2所述的資料延伸方法，其特征在于，所述策略神經(jīng)網(wǎng)絡(luò)用于基于預(yù)設(shè)的價(jià)值評估網(wǎng)絡(luò)輸出的價(jià)值調(diào)整所述權(quán)重系數(shù)，包括：

當(dāng)所述價(jià)值增大時(shí)，正向調(diào)整所述深度神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)，使所述深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)的價(jià)值增大；

若所述價(jià)值減小時(shí)，反向調(diào)整所述神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)，使所述深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)的價(jià)值減小。

4.根據(jù)權(quán)利要求2所述的資料延伸方法，其特征在于，所述控制神經(jīng)網(wǎng)絡(luò)的預(yù)設(shè)調(diào)整策略是RNN集群控制網(wǎng)絡(luò)發(fā)送的，所述RNN集群控制網(wǎng)絡(luò)用于基于所述價(jià)值評估網(wǎng)絡(luò)輸出的價(jià)值向所述控制神經(jīng)網(wǎng)絡(luò)輸出調(diào)整策略。

5.根據(jù)權(quán)利要求4所述的資料延伸方法，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)包括多個(gè)CNN神經(jīng)網(wǎng)絡(luò)，每個(gè)所述CNN神經(jīng)網(wǎng)絡(luò)與一個(gè)級別的分級圖像資料對應(yīng)，用于基于第N級的分級圖像資料進(jìn)行延伸；所述策略神經(jīng)網(wǎng)絡(luò)與所述CNN神經(jīng)網(wǎng)絡(luò)一一對應(yīng)，所述策略神經(jīng)網(wǎng)絡(luò)與所述RNN集群控制網(wǎng)絡(luò)一一對應(yīng)。

6.根據(jù)權(quán)利要求1所述的資料延伸方法，其特征在于，所述將原始觀測圖像資料按照圖像屬性分成N個(gè)級別，得到當(dāng)前時(shí)刻每個(gè)級別所對應(yīng)的分級圖像資料，包括：

獲取原始觀測圖像資料；

將所述原始觀測圖像資料進(jìn)行小波圖像分解，得到當(dāng)前時(shí)刻每個(gè)級別所對應(yīng)的分級圖像資料。

7.根據(jù)權(quán)利要求1所述的資料延伸方法，其特征在于，所述對N個(gè)級別所對應(yīng)的延伸資料進(jìn)行圖像合成，重構(gòu)出下一時(shí)刻的延伸觀測圖像資料，包括：

利用小波逆變換對N個(gè)級別所對應(yīng)的延伸資料進(jìn)行圖像合成，重構(gòu)出下一時(shí)刻的延伸觀測圖像資料。

8.一種資料延伸裝置，其特征在于，包括：

分級模塊，用于將原始觀測圖像資料按照圖像屬性分成N個(gè)級別，得到當(dāng)前時(shí)刻每個(gè)級別所對應(yīng)的分級圖像資料，其中N大于等于1；

延伸模塊，用于利用預(yù)設(shè)的深度神經(jīng)網(wǎng)絡(luò)基于每個(gè)級別的所述分級圖像資料進(jìn)行延伸，得到下一時(shí)刻每個(gè)級別所對應(yīng)的延伸資料，所述深度神經(jīng)網(wǎng)絡(luò)以預(yù)設(shè)的策略神經(jīng)網(wǎng)絡(luò)輸出的權(quán)重系數(shù)作為輸入，所述權(quán)重系數(shù)使所述深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)狀態(tài)價(jià)值最大；

合成模塊，用于對N個(gè)級別所對應(yīng)的延伸資料進(jìn)行圖像合成，重構(gòu)出下一時(shí)刻的延伸觀測圖像資料。

9.一種電子設(shè)備，包括存儲器、處理器，所述存儲器中存儲有可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述權(quán)利要求1至7任一項(xiàng)所述的方法的步驟。

10.一種具有處理器可執(zhí)行的非易失的程序代碼的計(jì)算機(jī)可讀介質(zhì)，其特征在于，所述程序代碼使所述處理器執(zhí)行所述權(quán)利要求1-7任一所述方法。