JP6710745B2 - バッチ正規化レイヤ - Google Patents
バッチ正規化レイヤ Download PDFInfo
- Publication number
- JP6710745B2 JP6710745B2 JP2018232445A JP2018232445A JP6710745B2 JP 6710745 B2 JP6710745 B2 JP 6710745B2 JP 2018232445 A JP2018232445 A JP 2018232445A JP 2018232445 A JP2018232445 A JP 2018232445A JP 6710745 B2 JP6710745 B2 JP 6710745B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- layer
- layer output
- output
- network system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010606 normalization Methods 0.000 title claims description 110
- 238000013528 artificial neural network Methods 0.000 claims description 180
- 238000012549 training Methods 0.000 claims description 64
- 238000000034 method Methods 0.000 claims description 21
- 230000001131 transforming effect Effects 0.000 claims 6
- 238000013527 convolutional neural network Methods 0.000 claims 5
- 238000012545 processing Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 13
- 230000009471 action Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004018 waxing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Description
102 トレーニング例のバッチ
104 ニューラル・ネットワーク・レイヤA
106 レイヤA出力
108 バッチ正規化レイヤ
110 バッチ正規化レイヤ出力
112 ニューラル・ネットワーク・レイヤB
114 ニューラル・ネットワーク出力
Claims (22)
- 1つまたは複数のコンピュータにより実装される画像分類ニューラル・ネットワーク・システムであって、
画像または前記画像の画像特徴を含むネットワーク入力を受信し、1組のオブジェクト・カテゴリ内の各オブジェクト・カテゴリに対するそれぞれのスコアを含むネットワーク出力を生成するように構成される畳みこみニューラル・ネットワークを含み、
各オブジェクト・カテゴリに対する前記スコアは、前記画像が、前記カテゴリに属するオブジェクトの画像を含む尤度を表し、
前記畳みこみニューラル・ネットワークは、
複数のニューラル・ネットワーク・レイヤと、
前記畳みこみニューラル・ネットワーク内の前記複数のレイヤのうちの第1のニューラル・ネットワーク・レイヤと前記畳みこみニューラル・ネットワーク内の前記複数のレイヤのうちの第2のニューラル・ネットワーク・レイヤとの間のバッチ正規化レイヤとを含み、前記第1のニューラル・ネットワーク・レイヤが、複数の成分を有する第1のレイヤ出力を生成し、前記バッチ正規化レイヤは、トレーニング例のバッチにおける前記畳みこみニューラル・ネットワークのトレーニングの間に、
前記バッチにおける各トレーニング例iに対するそれぞれの第1のレイヤ出力を受信し、
前記第1のレイヤ出力から前記バッチに対する複数の正規化統計値を計算し、
前記正規化統計値を用いて各第1のレイヤ出力の各成分を正規化して、前記バッチにおける各トレーニング例に対するそれぞれの正規化されたレイヤ出力を生成し、前記正規化されたレイヤ出力から前記トレーニング例の各々に対するそれぞれのバッチ正規化レイヤ出力を生成し、
入力として前記バッチ正規化レイヤ出力を前記第2のニューラル・ネットワーク・レイヤに提供する
ように構成される、画像分類ニューラル・ネットワーク・システム。 - 前記第1のレイヤ出力の前記複数の成分は、次元によりインデックス化され、
前記第1のレイヤ出力に対する複数の正規化統計値を計算することが、
前記次元の各々に対して、前記次元における第1のレイヤ出力の前記成分の平均を計算すること、および
前記次元の各々に対して、前記次元における前記第1のレイヤ出力の前記成分の標準偏差を計算すること
を含む、請求項1に記載の画像分類ニューラル・ネットワーク・システム。 - 各レイヤ出力の各成分を正規化することが、
前記成分に対応する前記次元に対する前記計算された平均および計算された標準偏差を用いて前記成分を正規化することを含む、請求項2に記載の画像分類ニューラル・ネットワーク・システム。 - 前記正規化されたレイヤ出力からの前記トレーニング例の各々に対する前記それぞれのバッチ正規化レイヤ出力を生成することが、
前記次元に対する1組のパラメータの現在の値に従って、次元ごとに、前記次元における前記トレーニング例に対する前記正規化されたレイヤ出力の前記成分を変形することを含む、請求項2または3に記載の画像分類ニューラル・ネットワーク・システム。 - 前記バッチ正規化レイヤは、前記ニューラル・ネットワーク・システムが前記次元の各々に対して前記パラメータのトレーニングされた値を決定するためにトレーニングされた後、
新たなニューラル・ネットワーク入力に対する前記第1のニューラル・ネットワーク・レイヤにより生成された新たな第1のレイヤ出力を受信し、
前記次元に対する予め計算された平均および標準偏差の統計値を用いて前記新たな第1のレイヤ出力の各成分を正規化して新たな正規化されたレイヤ出力を生成し、
次元ごとに、前記次元に対する前記1組のパラメータのトレーニングされた値に従って、前記次元における前記トレーニング例に対する前記新たな正規化されたレイヤ出力の前記成分を変換することによって、新たなバッチ正規化レイヤ出力を生成し、
前記バッチ正規化レイヤ出力を新たなレイヤ入力として前記第2のニューラル・ネットワーク・レイヤに提供する
ように構成される、請求項4に記載の画像分類ニューラル・ネットワーク・システム。 - 前記次元に対する予め計算された平均および標準偏差の統計値は前記ニューラル・ネットワーク・システムのトレーニング中に前記第1のニューラル・ネットワーク・レイヤにより生成された第1のレイヤ出力から計算される、請求項5に記載の画像分類ニューラル・ネットワーク・システム。
- 前記次元に対する予め計算された平均および標準偏差の統計値は、前記ニューラル・ネットワークがトレーニングされた後に、前記第1のニューラル・ネットワーク・レイヤにより生成された新たな第1のレイヤ出力から計算される、請求項5に記載の画像分類ニューラル・ネットワーク・システム。
- 前記ニューラル・ネットワーク・システムがトレーニングされた後に前記ニューラル・ネットワーク・システムにより処理された新たなニューラル・ネットワーク入力は、前記ニューラル・ネットワーク・システムをトレーニングするために使用される前記トレーニング例と異なるタイプの入力である、請求項7に記載の画像分類ニューラル・ネットワーク・システム。
- 前記第1のニューラル・ネットワーク・レイヤは畳みこみレイヤであり、前記第1のレイヤ出力の前記複数の成分は特徴インデックスおよび空間的位置インデックスによりインデックス化され、前記第1のレイヤ出力に対する複数の正規化統計値を計算することが、
特徴インデックスおよび空間的位置インデックスの組合せごとに、前記特徴インデックスおよび空間的位置インデックスを有する前記第1のレイヤ出力の前記成分の平均を計算することと、
特徴インデックスごとに、前記特徴インデックスを含む組合せに対する前記平均の算術平均を計算することと、
特徴インデックスおよび空間的位置インデックスの組合せごとに、前記特徴インデックスおよび空間的位置インデックスを有する前記第1のレイヤ出力の前記成分の分散を計算することと、
特徴インデックスごとに、前記特徴インデックスを含む組合せに対する前記分散の算術平均を計算することと
を含む、請求項1に記載の前記画像分類ニューラル・ネットワーク・システム。 - 各レイヤ出力の各成分を正規化することが、
前記成分に対応する前記特徴インデックスに対する前記平均の算術平均および前記分散の算術平均を用いて、前記成分を正規化すること
を含む、請求項9に記載の画像分類ニューラル・ネットワーク・システム。 - 前記正規化されたレイヤ出力からの前記トレーニング例の各々に対する前記それぞれのバッチ正規化レイヤ出力を生成することが、
前記成分に対応する特徴インデックスに対する1組のパラメータの現在の値に従って前記正規化されたレイヤ出力の各成分を変換すること
を含む、請求項8または9に記載の画像分類ニューラル・ネットワーク・システム。 - 前記バッチ正規化レイヤは、次元の各々に対して前記パラメータのトレーニングされた値を決定するために前記ニューラル・ネットワークがトレーニングされた後に、
新たなニューラル・ネットワーク入力から生成された新たな第1のレイヤ入力を受信し、
前記特徴インデックスに対する予め計算された平均および標準偏差の統計値を用いて前記新たな第1のレイヤ出力の各成分を正規化して、新たな正規化されたレイヤ出力を生成し、
前記成分に対応する前記特徴インデックスに対する前記1組のパラメータのトレーニングされた値に従って前記正規化されたレイヤ出力の各成分を変換することにより新たなバッチ正規化レイヤ出力を生成し、
前記新たなバッチ正規化レイヤ出力を新たなレイヤ入力として前記第2のニューラル・ネットワーク・レイヤに提供する
ように構成される、請求項11に記載の前記画像分類ニューラル・ネットワーク・システム。 - 前記第1のニューラル・ネットワーク・レイヤは畳みこみレイヤであり、前記第1のレイヤ出力の前記複数の成分は特徴インデックスおよび空間的位置インデックスによりインデックス化され、前記第1のレイヤ出力に対する複数の正規化統計値を計算することが、前記特徴インデックスの各々に対して、
前記特徴インデックスに対応する前記第1のレイヤ出力の前記成分の平均を計算することと、
前記特徴インデックスに対応する前記第1のレイヤ出力の前記成分の分散を計算することと
を含む、請求項1に記載の画像分類ニューラル・ネットワーク・システム。 - 各レイヤ出力の各成分を正規化することが、
前記成分に対応する前記特徴インデックスに対する前記平均および前記分散を用いて前記成分を正規化すること
を含む、請求項13に記載の画像分類ニューラル・ネットワーク・システム。 - 前記正規化されたレイヤ出力からの前記トレーニング例の各々に対する前記それぞれのバッチ正規化レイヤ出力を生成することが、
前記成分に対応する前記特徴インデックスに対する1組のパラメータの現在の値に従って、前記正規化されたレイヤ出力の各成分を変換すること
を含む、請求項13または14に記載の画像分類ニューラル・ネットワーク・システム。 - 前記バッチ正規化レイヤは、次元の各々に対して前記パラメータのトレーニングされた値を決定するために前記ニューラル・ネットワークがトレーニングされた後に、
新たなニューラル・ネットワーク入力から生成された新たな第1のレイヤ入力を受信し、
前記特徴インデックスに対する予め計算された平均および標準偏差の統計値を用いて前記新たな第1のレイヤ出力の各成分を正規化して、新たな正規化されたレイヤ出力を生成し、
前記成分に対応する前記特徴インデックスに対する前記1組のパラメータのトレーニングされた値に従って前記正規化されたレイヤ出力の各成分を変換することにより、新たなバッチ正規化レイヤ出力を生成し、
前記新たなバッチ正規化レイヤ出力を新たなレイヤ入力として前記第2のニューラル・ネットワーク・レイヤに提供する
ように構成される、請求項15に記載の画像分類ニューラル・ネットワーク・システム。 - 前記第1のニューラル・ネットワーク・レイヤは、前記第1のニューラル・ネットワーク・レイヤに対する1組のパラメータの現在の値に従って第1のレイヤ入力を修正することによって前記第1のレイヤ出力を生成する、請求項1から16のいずれか一項に記載の画像分類ニューラル・ネットワーク・システム。
- 前記第2のニューラル・ネットワーク・レイヤは、非線形動作を前記バッチ正規化レイヤ出力に適用することによって第2のレイヤ出力を生成する、請求項17に記載の画像分類ニューラル・ネットワーク・システム。
- 前記第1のニューラル・ネットワーク・レイヤは、1組のパラメータの現在の値に従って第1のレイヤ入力を修正して、修正された第1のレイヤ入力を生成し、次いで非線形動作を前記修正された第1のレイヤ入力に適用することによって前記第1のレイヤ出力を生成する、請求項1から16のいずれか一項に記載の画像分類ニューラル・ネットワーク・システム。
- 前記ニューラル・ネットワークの前記トレーニングの間に、前記ニューラル・ネットワーク・システムは、前記ニューラル・ネットワークのパラメータの値を調節する一部として前記正規化統計値を誤差逆伝播するように構成される、請求項1から19のうちのいずれか一項に記載の画像分類ニューラル・ネットワーク・システム。
- 請求項1から20のうちのいずれか一項に記載のバッチ正規化レイヤによって実行される動作を含む方法。
- 1つまたは複数のコンピュータにより実行されたとき、前記1つまたは複数のコンピュータに請求項1から20のうちのいずれか一項に記載の画像分類ニューラル・ネットワーク・システムを実装させる命令を含むコンピュータ・プログラムで符号化された、1つまたは複数の非一時的コンピュータ記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020092300A JP6935542B2 (ja) | 2015-01-28 | 2020-05-27 | バッチ正規化レイヤ |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562108984P | 2015-01-28 | 2015-01-28 | |
US62/108,984 | 2015-01-28 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539561A Division JP6453477B2 (ja) | 2015-01-28 | 2016-01-28 | バッチ正規化レイヤ |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020092300A Division JP6935542B2 (ja) | 2015-01-28 | 2020-05-27 | バッチ正規化レイヤ |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019071080A JP2019071080A (ja) | 2019-05-09 |
JP6710745B2 true JP6710745B2 (ja) | 2020-06-17 |
Family
ID=55349983
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539561A Active JP6453477B2 (ja) | 2015-01-28 | 2016-01-28 | バッチ正規化レイヤ |
JP2018232445A Active JP6710745B2 (ja) | 2015-01-28 | 2018-12-12 | バッチ正規化レイヤ |
JP2020092300A Active JP6935542B2 (ja) | 2015-01-28 | 2020-05-27 | バッチ正規化レイヤ |
JP2021137180A Active JP7179935B2 (ja) | 2015-01-28 | 2021-08-25 | バッチ正規化レイヤ |
JP2022183459A Pending JP2023029845A (ja) | 2015-01-28 | 2022-11-16 | バッチ正規化レイヤ |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539561A Active JP6453477B2 (ja) | 2015-01-28 | 2016-01-28 | バッチ正規化レイヤ |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020092300A Active JP6935542B2 (ja) | 2015-01-28 | 2020-05-27 | バッチ正規化レイヤ |
JP2021137180A Active JP7179935B2 (ja) | 2015-01-28 | 2021-08-25 | バッチ正規化レイヤ |
JP2022183459A Pending JP2023029845A (ja) | 2015-01-28 | 2022-11-16 | バッチ正規化レイヤ |
Country Status (17)
Country | Link |
---|---|
US (8) | US10417562B2 (ja) |
EP (3) | EP3483795B1 (ja) |
JP (5) | JP6453477B2 (ja) |
KR (2) | KR102204286B1 (ja) |
CN (1) | CN107278310A (ja) |
AU (5) | AU2016211333B2 (ja) |
CA (1) | CA2975251C (ja) |
DE (1) | DE112016000509T5 (ja) |
DK (1) | DK3251059T3 (ja) |
ES (1) | ES2714152T3 (ja) |
IL (1) | IL253676A0 (ja) |
MX (1) | MX2017009879A (ja) |
PL (1) | PL3251059T3 (ja) |
RU (1) | RU2666308C1 (ja) |
SG (1) | SG11201706127RA (ja) |
TR (1) | TR201902908T4 (ja) |
WO (1) | WO2016123409A1 (ja) |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3483795B1 (en) | 2015-01-28 | 2021-03-10 | Google LLC | Batch normalization layers |
US10614339B2 (en) * | 2015-07-29 | 2020-04-07 | Nokia Technologies Oy | Object detection with neural network |
KR102529137B1 (ko) | 2016-08-22 | 2023-05-03 | 매직 립, 인코포레이티드 | 딥 러닝 센서들을 갖는 증강 현실 디스플레이 디바이스 |
KR102300614B1 (ko) | 2017-02-10 | 2021-09-09 | 구글 엘엘씨 | 배치 재정규화 계층 |
US10255681B2 (en) * | 2017-03-02 | 2019-04-09 | Adobe Inc. | Image matting using deep learning |
WO2018163790A1 (ja) * | 2017-03-06 | 2018-09-13 | ソニー株式会社 | 情報処理装置 |
US11308391B2 (en) | 2017-03-06 | 2022-04-19 | Baidu Usa Llc | Offline combination of convolutional/deconvolutional and batch-norm layers of convolutional neural network models for autonomous driving vehicles |
CN110663049B (zh) * | 2017-04-28 | 2023-12-26 | 谷歌有限责任公司 | 神经网络优化器搜索 |
CN109034384B (zh) * | 2017-06-12 | 2021-06-22 | 浙江宇视科技有限公司 | 一种数据处理方法和装置 |
US10635813B2 (en) | 2017-10-06 | 2020-04-28 | Sophos Limited | Methods and apparatus for using machine learning on multiple file fragments to identify malware |
US11586905B2 (en) * | 2017-10-11 | 2023-02-21 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for customizing kernel machines with deep neural networks |
EP3701431A1 (en) * | 2017-10-27 | 2020-09-02 | Google LLC | Increasing security of neural networks by discretizing neural network inputs |
WO2019123544A1 (ja) | 2017-12-19 | 2019-06-27 | オリンパス株式会社 | データ処理方法およびデータ処理装置 |
CN108009634B (zh) * | 2017-12-21 | 2021-05-25 | 美的集团股份有限公司 | 一种卷积神经网络的优化方法、装置及计算机存储介质 |
EP3511872A1 (en) | 2018-01-12 | 2019-07-17 | Sony Corporation | Artificial neural network |
WO2019145912A1 (en) | 2018-01-26 | 2019-08-01 | Sophos Limited | Methods and apparatus for detection of malicious documents using machine learning |
US11941491B2 (en) | 2018-01-31 | 2024-03-26 | Sophos Limited | Methods and apparatus for identifying an impact of a portion of a file on machine learning classification of malicious content |
WO2019149376A1 (en) | 2018-02-02 | 2019-08-08 | Toyota Motor Europe | Method and system for processing input data using a neural network and normalizations |
WO2019149375A1 (en) * | 2018-02-02 | 2019-08-08 | Toyota Motor Europe | Method and system for processing input data and propagating variance in a neural network |
US20190251429A1 (en) * | 2018-02-12 | 2019-08-15 | Kneron, Inc. | Convolution operation device and method of scaling convolution input for convolution neural network |
CN108875787B (zh) * | 2018-05-23 | 2020-07-14 | 北京市商汤科技开发有限公司 | 一种图像识别方法及装置、计算机设备和存储介质 |
CN108921283A (zh) * | 2018-06-13 | 2018-11-30 | 深圳市商汤科技有限公司 | 深度神经网络的归一化方法和装置、设备、存储介质 |
CN112771541A (zh) * | 2018-09-27 | 2021-05-07 | 谷歌有限责任公司 | 使用整数神经网络的数据压缩 |
US11947668B2 (en) * | 2018-10-12 | 2024-04-02 | Sophos Limited | Methods and apparatus for preserving information between layers within a neural network |
KR20200051278A (ko) | 2018-11-05 | 2020-05-13 | 삼성전자주식회사 | 인공 신경망에서의 작업 관리 방법 및 이를 포함하는 시스템 |
US11687761B2 (en) * | 2018-12-11 | 2023-06-27 | Amazon Technologies, Inc. | Improper neural network input detection and handling |
US10789510B2 (en) * | 2019-01-11 | 2020-09-29 | Google Llc | Dynamic minibatch sizes |
US10325185B1 (en) * | 2019-01-23 | 2019-06-18 | StradVision, Inc. | Method and device for online batch normalization, on-device learning, and continual learning applicable to mobile devices or IOT devices additionally referring to one or more previous batches to be used for military purpose, drone or robot, and testing method and testing device using the same |
US11574052B2 (en) | 2019-01-31 | 2023-02-07 | Sophos Limited | Methods and apparatus for using machine learning to detect potentially malicious obfuscated scripts |
JP2020135011A (ja) | 2019-02-13 | 2020-08-31 | キオクシア株式会社 | 情報処理装置及び方法 |
CN109886392B (zh) * | 2019-02-25 | 2021-04-27 | 深圳市商汤科技有限公司 | 数据处理方法和装置、电子设备和存储介质 |
KR102046113B1 (ko) | 2019-03-19 | 2019-11-18 | 주식회사 루닛 | 신경망 학습 방법 및 그 장치 |
KR102046133B1 (ko) * | 2019-03-20 | 2019-11-18 | 주식회사 루닛 | 특징 데이터 리캘리브레이션 방법 및 그 장치 |
DE102019204136A1 (de) * | 2019-03-26 | 2020-10-01 | Robert Bosch Gmbh | Verfahren und Vorrichtung für Training und Herstellung eines künstlichen neuronalen Netzes |
KR102037483B1 (ko) | 2019-04-02 | 2019-11-15 | 주식회사 루닛 | 신경망 데이터 정규화 방법 및 그 장치 |
US11853890B2 (en) * | 2019-05-02 | 2023-12-26 | Macronix International Co., Ltd. | Memory device and operation method thereof |
US11361218B2 (en) * | 2019-05-31 | 2022-06-14 | International Business Machines Corporation | Noise and signal management for RPU array |
CN111967570B (zh) * | 2019-07-01 | 2024-04-05 | 北京砥脊科技有限公司 | 可视化神经网络系统的实现方法、装置和机器设备 |
KR102461732B1 (ko) * | 2019-07-16 | 2022-11-01 | 한국전자통신연구원 | 강화 학습 방법 및 장치 |
KR20190098106A (ko) * | 2019-08-02 | 2019-08-21 | 엘지전자 주식회사 | 배치 정규화 레이어 트레이닝 방법 |
CN110598852A (zh) * | 2019-08-29 | 2019-12-20 | 北京小米移动软件有限公司 | 子网络采样方法、构建超网络拓扑结构的方法及装置 |
DE102019213898A1 (de) * | 2019-09-11 | 2021-03-11 | Robert Bosch Gmbh | Robustes und besser trainierbares künstliches neuronales Netzwerk |
US11568259B2 (en) * | 2019-10-15 | 2023-01-31 | Zoox, Inc. | Cross batch normalization |
KR102127913B1 (ko) | 2019-10-29 | 2020-06-29 | 주식회사 루닛 | 신경망 학습 방법 및 그 장치 |
US11868855B2 (en) * | 2019-11-04 | 2024-01-09 | Hewlett Packard Enterprise Development Lp | Resiliency for machine learning workloads |
KR102143191B1 (ko) * | 2019-11-12 | 2020-08-10 | 주식회사 루닛 | 특징 데이터 리캘리브레이션 방법 및 그 장치 |
KR102143192B1 (ko) | 2019-11-12 | 2020-08-10 | 주식회사 루닛 | 신경망 학습 방법 및 그 장치 |
CN111144556B (zh) * | 2019-12-31 | 2023-07-07 | 中国人民解放军国防科技大学 | 面向深度神经网络训练和推理的范围批处理归一化算法的硬件电路 |
US11610303B2 (en) | 2020-03-03 | 2023-03-21 | The University Court Of The University Of Edinburgh | Data processing apparatus and method |
JP7297705B2 (ja) | 2020-03-18 | 2023-06-26 | 株式会社東芝 | 処理装置、処理方法、学習装置およびプログラム |
US11915419B1 (en) | 2020-06-25 | 2024-02-27 | Verily Life Sciences Llc | Auto-normalization for machine learning |
EP4193304A4 (en) * | 2020-09-08 | 2023-07-26 | Huawei Technologies Co., Ltd. | NORMALIZATION IN DEEP CONVOLUTIONAL NEURAL NETWORKS |
KR102441442B1 (ko) * | 2021-01-11 | 2022-09-08 | 성균관대학교산학협력단 | 그래프 컨볼루션 네트워크 학습 방법 및 장치 |
JP7211556B1 (ja) | 2021-06-09 | 2023-01-24 | コニカミノルタ株式会社 | ニューラル・ネットワーク・システム |
US20230119791A1 (en) * | 2021-10-04 | 2023-04-20 | Qualcomm Incorporated | Relaxed instance frequency normalization for neural-network-based audio processing |
WO2023085852A1 (ko) * | 2021-11-11 | 2023-05-19 | 서울대학교산학협력단 | 통계 기반 정규화를 시행하는 딥 뉴럴 네트워크 학습 장치 및 그 방법 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR950012380B1 (ko) | 1990-03-12 | 1995-10-17 | 후지쓰 가부시끼가이샤 | 뉴로-퍼지 융합 데이터처리 시스템 |
JPH05346915A (ja) * | 1992-01-30 | 1993-12-27 | Ricoh Co Ltd | 学習機械並びにニューラルネットワークおよびデータ分析装置並びにデータ分析方法 |
JPH0785280B2 (ja) * | 1992-08-04 | 1995-09-13 | タカタ株式会社 | 神経回路網による衝突予測判定システム |
US5729662A (en) * | 1995-06-07 | 1998-03-17 | Rozmus; J. Michael | Neural network for classification of patterns with improved method and apparatus for ordering vectors |
US5790758A (en) * | 1995-07-07 | 1998-08-04 | The United States Of America As Represented By The Secretary Of The Navy | Neural network architecture for gaussian components of a mixture density function |
US6134537A (en) * | 1995-09-29 | 2000-10-17 | Ai Ware, Inc. | Visualization and self organization of multidimensional data through equalized orthogonal mapping |
US6539267B1 (en) * | 1996-03-28 | 2003-03-25 | Rosemount Inc. | Device in a process system for determining statistical parameter |
US6650779B2 (en) * | 1999-03-26 | 2003-11-18 | Georgia Tech Research Corp. | Method and apparatus for analyzing an image to detect and identify patterns |
US6418378B1 (en) * | 2000-06-26 | 2002-07-09 | Westerngeco, L.L.C. | Neural net prediction of seismic streamer shape |
CA2433999A1 (en) * | 2000-11-30 | 2002-06-06 | Yang Ming Pok | Neural cortex |
US7107207B2 (en) * | 2002-06-19 | 2006-09-12 | Microsoft Corporation | Training machine learning by sequential conditional generalized iterative scaling |
US7082394B2 (en) * | 2002-06-25 | 2006-07-25 | Microsoft Corporation | Noise-robust feature extraction using multi-layer principal component analysis |
US7496546B2 (en) | 2003-03-24 | 2009-02-24 | Riken | Interconnecting neural network system, interconnecting neural network structure construction method, self-organizing neural network structure construction method, and construction programs therefor |
US7219085B2 (en) * | 2003-12-09 | 2007-05-15 | Microsoft Corporation | System and method for accelerating and optimizing the processing of machine learning techniques using a graphics processing unit |
JP2005352900A (ja) | 2004-06-11 | 2005-12-22 | Canon Inc | 情報処理装置、情報処理方法、パターン認識装置、及びパターン認識方法 |
US7747070B2 (en) | 2005-08-31 | 2010-06-29 | Microsoft Corporation | Training convolutional neural networks on graphics processing units |
CN100367300C (zh) * | 2006-07-07 | 2008-02-06 | 华中科技大学 | 一种基于人工神经网络的特征选择方法 |
US7606777B2 (en) | 2006-09-01 | 2009-10-20 | Massachusetts Institute Of Technology | High-performance vision system exploiting key features of visual cortex |
ATE549697T1 (de) * | 2010-01-19 | 2012-03-15 | Honda Res Inst Europe Gmbh | Online-lernen von gegründeten kategorien mithilfe adaptiver merkmalsräume |
JP5772442B2 (ja) * | 2011-09-22 | 2015-09-02 | 富士ゼロックス株式会社 | 画像処理装置及び画像処理プログラム |
US10127475B1 (en) | 2013-05-31 | 2018-11-13 | Google Llc | Classifying images |
TWI648609B (zh) | 2013-06-07 | 2019-01-21 | 美商科學設計股份有限公司 | 程序監控系統及方法 |
CN103824055B (zh) * | 2014-02-17 | 2018-03-02 | 北京旷视科技有限公司 | 一种基于级联神经网络的人脸识别方法 |
US9058517B1 (en) | 2014-04-16 | 2015-06-16 | I.R.I.S. | Pattern recognition system and method using Gabor functions |
EP3029606A3 (en) | 2014-11-14 | 2016-09-14 | Thomson Licensing | Method and apparatus for image classification with joint feature adaptation and classifier learning |
EP3483795B1 (en) | 2015-01-28 | 2021-03-10 | Google LLC | Batch normalization layers |
US11151449B2 (en) * | 2018-01-24 | 2021-10-19 | International Business Machines Corporation | Adaptation of a trained neural network |
KR102046113B1 (ko) * | 2019-03-19 | 2019-11-18 | 주식회사 루닛 | 신경망 학습 방법 및 그 장치 |
US11367163B2 (en) * | 2019-05-31 | 2022-06-21 | Apple Inc. | Enhanced image processing techniques for deep neural networks |
US11568259B2 (en) * | 2019-10-15 | 2023-01-31 | Zoox, Inc. | Cross batch normalization |
US20210150306A1 (en) * | 2019-11-14 | 2021-05-20 | Qualcomm Incorporated | Phase selective convolution with dynamic weight selection |
-
2016
- 2016-01-28 EP EP18207898.0A patent/EP3483795B1/en active Active
- 2016-01-28 EP EP21161358.3A patent/EP3872716A1/en active Pending
- 2016-01-28 ES ES16704121T patent/ES2714152T3/es active Active
- 2016-01-28 KR KR1020197036115A patent/KR102204286B1/ko active IP Right Grant
- 2016-01-28 DE DE112016000509.1T patent/DE112016000509T5/de active Pending
- 2016-01-28 JP JP2017539561A patent/JP6453477B2/ja active Active
- 2016-01-28 RU RU2017130151A patent/RU2666308C1/ru active
- 2016-01-28 CA CA2975251A patent/CA2975251C/en active Active
- 2016-01-28 AU AU2016211333A patent/AU2016211333B2/en active Active
- 2016-01-28 SG SG11201706127RA patent/SG11201706127RA/en unknown
- 2016-01-28 US US15/009,647 patent/US10417562B2/en active Active
- 2016-01-28 DK DK16704121.9T patent/DK3251059T3/en active
- 2016-01-28 PL PL16704121T patent/PL3251059T3/pl unknown
- 2016-01-28 WO PCT/US2016/015476 patent/WO2016123409A1/en active Application Filing
- 2016-01-28 EP EP16704121.9A patent/EP3251059B1/en active Active
- 2016-01-28 CN CN201680012517.XA patent/CN107278310A/zh active Pending
- 2016-01-28 TR TR2019/02908T patent/TR201902908T4/tr unknown
- 2016-01-28 MX MX2017009879A patent/MX2017009879A/es unknown
- 2016-01-28 KR KR1020177023719A patent/KR102055355B1/ko active IP Right Grant
-
2017
- 2017-07-26 IL IL253676A patent/IL253676A0/en active IP Right Grant
-
2018
- 2018-12-12 JP JP2018232445A patent/JP6710745B2/ja active Active
- 2018-12-19 US US16/226,483 patent/US10628710B2/en active Active
-
2019
- 2019-01-17 AU AU2019200309A patent/AU2019200309B2/en active Active
- 2019-09-16 US US16/572,454 patent/US10902319B2/en active Active
-
2020
- 2020-04-01 US US16/837,959 patent/US11308394B2/en active Active
- 2020-05-27 JP JP2020092300A patent/JP6935542B2/ja active Active
- 2020-10-09 AU AU2020250312A patent/AU2020250312B2/en active Active
-
2021
- 2021-01-22 US US17/156,453 patent/US11893485B2/en active Active
- 2021-01-22 US US17/156,464 patent/US20210216870A1/en active Pending
- 2021-07-30 US US17/390,768 patent/US11281973B2/en active Active
- 2021-08-25 JP JP2021137180A patent/JP7179935B2/ja active Active
-
2022
- 2022-03-16 AU AU2022201819A patent/AU2022201819B2/en active Active
- 2022-04-18 US US17/723,007 patent/US11853885B2/en active Active
- 2022-11-16 JP JP2022183459A patent/JP2023029845A/ja active Pending
-
2023
- 2023-12-22 AU AU2023285952A patent/AU2023285952A1/en active Pending
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6710745B2 (ja) | バッチ正規化レイヤ | |
US10762421B2 (en) | Whitened neural network layers | |
US20190294967A1 (en) | Circulant neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191226 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200527 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6710745 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |