[發明專利]基于循環神經網絡的數據處理方法、裝置和設備

在審

• 申請號: 202010600160.5
• 申請日: 2020-06-28
• 公開（公告）號: CN111767987A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 鄭輝煌;藍翔;李雅美;張留杰;郭飛;馬艷軍;于佃海
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G10L15/04;G10L15/16;G10L15/26;G10L25/78
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 閻敏;郭麗祥

本申請公開基于循環神經網絡的數據處理方法、裝置和設備，涉及云計算、人工智能和深度學習領域。方案為：循環神經網絡包括多個循環單元，每個循環單元包括多個數據處理節點，每個循環單元還包括一個起始節點，至少一個循環單元還包括一個終止節點，起始節點到終止節點之間包括至少一個數據處理節點，在第一循環單元中處理第一目標處理對象時，判斷第一目標處理對象是否滿足第一預定條件，如果第一目標處理對象不滿足第一預定條件，則執行第一循環單元中的起始節點，以對起始節點之后的數據處理節點添加標記，直至到達終止節點時停止添加標記，對于具有標記的數據處理節點不予執行。

技術領域

本申請涉及人工智能領域，尤其涉及深度學習領域。

背景技術

循環神經網絡(Recurrent Neural Network，RNN)是一類以序列(Sequence)數據作為輸入，對序列數據進行循環處理的神經網絡。主流的循環神經網絡使用循環時靈活度小，不能根據目標處理對象的處理需求跳過循環中的部分處理，例如無法過濾部分無效的目標處理對象，如語音處理中的雜音、圖像識別中的黑屏圖像等。

發明內容

本申請提供了一種基于循環神經網絡的數據處理方法、裝置和設備。

第一方面，本申請提供了一種基于循環神經網絡的數據處理方法，循環神經網絡包括多個循環單元，每個循環單元包括多個數據處理節點，其中，每個循環單元還包括一個第一起始節點，至少一個循環單元還包括一個第一終止節點，第一起始節點到第一終止節點之間包括至少一個數據處理節點，基于循環神經網絡的數據處理方法包括：

將多個目標處理對象分別輸入多個循環單元；

依次通過各個循環單元中的多個數據處理節點，對各個目標處理對象進行處理，獲得多個循環單元輸出的多個處理結果；

其中，多個循環單元包括第一循環單元，在第一循環單元中處理第一目標處理對象時，判斷第一目標處理對象是否滿足第一預定條件，如果第一目標處理對象不滿足第一預定條件，則在通過第一循環單元中的多個數據處理節點處理第一目標處理對象時，對于第一起始節點至第一終止節點之間的數據處理節點不予執行。

第二方面，本申請提供了一種基于循環神經網絡的數據處理裝置，循環神經網絡包括多個循環單元，每個循環單元包括多個數據處理節點，其中，每個循環單元還包括一個第一起始節點，至少一個循環單元還包括一個第一終止節點，第一起始節點到第一終止節點之間包括至少一個數據處理節點，基于循環神經網絡的數據處理裝置包括：

輸入模塊，用于將多個目標處理對象分別輸入多個循環單元；

處理模塊，用于依次通過各個循環單元中的多個數據處理節點，對各個目標處理對象進行處理，獲得多個循環單元輸出的多個處理結果；

其中，多個循環單元包括第一循環單元，處理模塊用于：

在第一循環單元中處理第一目標處理對象時，判斷第一目標處理對象是否滿足第一預定條件；

如果第一目標處理對象不滿足第一預定條件，則在通過第一循環單元中的多個數據處理節點處理第一目標處理對象時，對于第一起始節點至第一終止節點之間的數據處理節點不予執行。

利用本申請實施例可提高循環神經網絡使用循環時的靈活度。

應當理解，本部分所描述的內容并非旨在標識本申請的實施例的關鍵或重要特征，也不用于限制本申請的范圍。本申請的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是根據本申請實施例的基于循環神經網絡的數據處理方法的流程圖；

圖2是根據本申請實施例的循環神經網絡的示例圖一；