基于N元组或随机存取存储器的神经网络分类系统和方法

摘要

本发明涉及基于N元组或随机存取存储器的神经网络分类方法和系统，更特别地说，涉及这样一种基于N元组或随机存取存储器的分类系统，在该系统中用来获得输出得分并比较这些输出得分以获得分类的判决标准在训练过程中确定。因此，本发明涉及训练一种计算机分类系统的系统和方法，其中的计算机系统可以由包括多个这样的N元组或查找表(LUTs)的网络定义，即每个N元组或LUT包括对应于可能的类别的至少一个子集的行数，并且包括由抽样的训练输入数据样本的信号或元素编址的列。

主权项

1.一种训练计算机分类系统的方法，所述系统能够由包括多个n元组或查找表的网络定义，每个n元组或查找表包括多个与可能的类别的至少一个子集对应的行，此外还包括多个由被抽样的训练输入数据样本的信号或元素编址的列，每列由具有值的单元的向量定义，其中，基于一个或多个关于不同类别的输入数据样本的训练集，确定列向量单元的值，以使得至少部分这种单元包括或指向基于相应的单元地址被从一个或多个训练输入样本中抽样的次数的信息，其特征在于所述方法包括：为每一类别确定一个或多个用于至少一个输出得分值的评估的输出得分函数；和确定与所获得的输出得分值的至少一部分组合起来使用以确定一个获胜类的一个或多个判决准则，其中，该输出得分函数的确定包括输出得分函数的初始化，其后跟着根据基于至少一部分确定的列向量单元值的信息的信息度量，对至少一部分输出得分函数的调整，和/或其中，该判决准则的确定包括判决准则的初始化，其后跟着根据基于至少一部分所确定的列向量单元值的信息的信息度量，对至少一部分判决准则的调整。