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

本发明涉及一种训练计算机分类系统的系统和方法，所述的计算机分类系统能够由包含多个n元组或查找表(LUTs)的网络定义，每个n元组或LUT包括多个与可能类的至少一个子集合对应的行，并且包括多个由被抽样的训练输入数据的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，该方法包括基于一个或多个、用于不同类的输入数据样本的训练集，确定列向量单元值，以使得至少部分这样的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信息；以及确定对应于一个或多个、被训练样本编址或抽样的列向量单元的权值单元值，从而使得允许在分类处理中加权有正值的一个或多个列向量单元，所述权值单元值基于至少部分确定的列单元值的信息，和通过对至少部分输入样本训练集的使用来确定。发明的第二方面是用于—在计算机分类系统中—对应于由训练样本编址的一个或多个列向量单元的权值单元值的系统和方法，其中的确定基于至少部分确定的向量单元值的信息，所说的确定允许加权有正值或非正值的列向量单元。最终，发明提供了使用计算机分类系统，用于分类输入数据样本到多个类的方法和系统。

主权项

1.一种训练计算机分类系统的方法，所述的系统能够由包含多个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类的至少一个子集合对应的行，此外还包括多个被抽样训练输入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，所述方法包括基于一个或多个、用于不同类的输入数据样本的训练集来确定列向量单元值，以使得至少部分这样的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信息；以及，确定对应于一个或多个、被训练样本编址或抽样的列向量单元的权值单元值，从而使得允许在分类处理中，加权有正值的一个或多个列向量单元，所述权值单元值基于至少部分确定的列向量单元值的信息，和通过对至少部分输入样本训练集的使用来确定。