【技術實現步驟摘要】
【國外來華專利技術】
專利
本公開的各方面一般涉及使用人工神經網絡來生成因果圖。
技術介紹
1、人工神經網絡可包括互連的人工神經元群(例如，神經元模型)。人工神經網絡可以是計算設備或表示為要由計算設備執行的方法。卷積神經網絡是一種前饋人工神經網絡。卷積神經網絡可包括神經元集合，其中每個神經元具有感受野并且共同地拼出一輸入空間。卷積神經網絡(cnn)(諸如深度卷積神經網絡(dcn))具有眾多應用。具體而言，這些神經網絡架構被用于各種技術，諸如圖像識別、模式識別、語音識別、自動駕駛和其他分類任務。
2、深度神經網絡已極大地提高了流送數據(例如，圖像、視頻、慣性測量單元(imu)數據、雷達和wifi)分類性能。期望將此類網絡與物聯網(iot)設備、智能手機、或流送數據的其他低功率設備結合起來。遺憾的是，由于所涉及的計算量，分類所消耗的大量資源使得在實時、能量敏感型應用上利用深度神經網絡具有挑戰性。
技術實現思路
0、概述
1、本公開在獨立權利要求中分別闡述。本公開的一些方面在從屬權利要求中描述。
2、在本公開的一方面，提供了一種方法。該方法包括：接收數據集，該數據集包括與多個變量相對應的觀測數據和干預數據。該方法還包括：基于該觀測數據來確定該多個變量中的每個變量的概率分布。附加地，該方法包括：應用該概率分布以基于該概率分布和該干預數據來計算包括圖中的每個邊的似然。每個邊連接該多個變量中的變量。此外，該方法包括：基于包括每個邊的該似然來生成該圖。
3、在本公
4、在本公開的一方面，提供了一種設備。該設備包括：用于接收數據集的裝置，該數據集包括與多個變量相對應的觀測數據和干預數據。該設備還包括：用于基于該觀測數據來確定該多個變量中的每個變量的概率分布的裝置。附加地，該設備包括：用于基于該概率分布和該干預數據來計算包括圖中的每個邊的似然的裝置。每個邊連接該多個變量中的變量。此外，該設備包括：用于基于包括每個邊的該似然來生成該圖的裝置。
5、在本公開的一方面，提供了一種非瞬態計算機可讀介質。該計算機可讀介質上編碼有程序代碼。該程序代碼由處理器執行并且包括：用于接收數據集的代碼，該數據集包括與多個變量相對應的觀測數據和干預數據。該程序代碼還包括：用于基于該觀測數據來確定該多個變量中的每個變量的概率分布的代碼。附加地，該程序代碼包括：用于基于該概率分布和該干預數據來計算包括圖中的每個邊的似然的代碼。每個邊連接該多個變量中的變量。此外，該程序代碼包括：用于基于包括每個邊的該似然來生成該圖的代碼。
6、基于該概率分布和該干預數據來計算包括圖中的每個邊的似然，每個邊連接該多個變量中的變量。
7、本公開的附加特征和優點將在下文描述。本領域技術人員應當領會，本公開可容易地被用作修改或設計用于實施與本公開相同的目的的其他結構的基礎。本領域技術人員還應認識到，這樣的等效構造并不脫離所附權利要求中所闡述的本公開的教導。被認為是本公開的特性的新穎特征在其組織和操作方法兩方面連同進一步的目的和優點在結合附圖來考慮以下描述時將被更好地理解。然而，要清楚理解的是，提供每一幅附圖均僅用于解說和描述目的，且無意作為對本公開的限定的定義。
本文檔來自技高網...【技術保護點】
1.一種方法，包括：
2.如權利要求1所述的方法，進一步包括：通過迭代地重復確定所述概率分布并計算包括每個邊的所述似然來更新所述圖。
3.如權利要求1所述的方法，其中所述概率分布是通過丟棄作為輸入的一個或多個變量來確定的。
4.如權利要求3所述的方法，其中所述丟棄是隨機執行的。
5.如權利要求1所述的方法，其中包括每個邊的所述似然是基于第一參數和第二參數來確定的，所述第一參數對邊的存在建模，并且所述第二參數對所述邊的方向建模。
6.如權利要求5所述的方法，進一步包括：
7.如權利要求5所述的方法，其中所述第二參數將所述圖控制為無環。
8.如權利要求1所述的方法，其中包括每個邊的所述似然是基于稀疏性正則化項來計算的。
9.如權利要求1所述的方法，進一步包括：當包括所述圖中的每個邊的所述似然收斂于1時，輸出因果圖。
10.一種裝置，包括：
11.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：通過迭代地重復確定所述概率分布并計算包括每個邊的所述似然來
12.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：通過丟棄作為輸入的一個或多個變量來確定所述概率分布。
13.如權利要求12所述的裝置，其中所述至少一個處理器被進一步配置成：隨機執行所述丟棄。
14.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：基于第一參數和第二參數來確定包括每個邊的所述似然，所述第一參數對邊的存在建模，并且所述第二參數對所述邊的方向建模。
15.如權利要求14所述的裝置，其中所述至少一個處理器被進一步配置成：
16.如權利要求14所述的裝置，其中所述第二參數將所述圖控制為無環。
17.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：基于稀疏性正則化項來計算包括每個邊的所述似然。
18.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：當包括所述圖中的每個邊的所述似然收斂于1時，輸出因果圖。
19.一種設備，包括：
20.如權利要求19所述的設備，進一步包括：用于通過迭代地重復確定所述概率分布并計算包括每個邊的所述似然來更新所述圖的裝置。
21.如權利要求19所述的設備，進一步包括：用于通過丟棄作為輸入的一個或多個變量來確定所述概率分布的裝置。
22.如權利要求21所述的設備，其中所述丟棄是隨機執行的。
23.如權利要求19所述的設備，進一步包括：用于基于第一參數和第二參數來確定包括每個邊的所述似然的裝置，所述第一參數對邊的存在建模，并且所述第二參數對所述邊的方向建模。
24.如權利要求23所述的設備，進一步包括：
25.如權利要求23所述的設備，其中所述第二參數將所述圖控制為無環。
26.如權利要求19所述的設備，進一步包括：用于基于稀疏性正則化項來計算包括每個邊的所述似然的裝置。
27.如權利要求19所述的設備，進一步包括：用于響應于包括所述圖中的每個邊的所述似然收斂于1，輸出因果圖的裝置。
28.一種其上編碼有程序代碼的非瞬態計算機可讀介質，所述程序代碼由處理器執行并且包括：
29.如權利要求28所述的非瞬態計算機可讀介質，進一步包括：用于通過迭代地重復確定所述概率分布并計算包括每個邊的所述似然來更新所述圖的程序代碼。
30.如權利要求28所述的非瞬態計算機可讀介質，進一步包括：用于通過丟棄作為輸入的一個或多個變量來確定所述概率分布的程序代碼。
...【技術特征摘要】
【國外來華專利技術】
1.一種方法，包括：
2.如權利要求1所述的方法，進一步包括：通過迭代地重復確定所述概率分布并計算包括每個邊的所述似然來更新所述圖。
3.如權利要求1所述的方法，其中所述概率分布是通過丟棄作為輸入的一個或多個變量來確定的。
4.如權利要求3所述的方法，其中所述丟棄是隨機執行的。
5.如權利要求1所述的方法，其中包括每個邊的所述似然是基于第一參數和第二參數來確定的，所述第一參數對邊的存在建模，并且所述第二參數對所述邊的方向建模。
6.如權利要求5所述的方法，進一步包括：
7.如權利要求5所述的方法，其中所述第二參數將所述圖控制為無環。
8.如權利要求1所述的方法，其中包括每個邊的所述似然是基于稀疏性正則化項來計算的。
9.如權利要求1所述的方法，進一步包括：當包括所述圖中的每個邊的所述似然收斂于1時，輸出因果圖。
10.一種裝置，包括：
11.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：通過迭代地重復確定所述概率分布并計算包括每個邊的所述似然來更新所述圖。
12.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：通過丟棄作為輸入的一個或多個變量來確定所述概率分布。
13.如權利要求12所述的裝置，其中所述至少一個處理器被進一步配置成：隨機執行所述丟棄。
14.如權利要求10所述的裝置，其中所述至少一個處理器被進一步配置成：基于第一參數和第二參數來確定包括每個邊的所述似然，所述第一參數對邊的存在建模，并且所述第二參數對所述邊的方向建模。
15.如權利要求14所述的裝置，其中所述至少一個處理器被進一步配置成：
16.如權利要求14所述的裝置，其中所述第二參數將所述圖控制為...
【專利技術屬性】
技術研發人員：P·利佩，T·S·科恩，E·加維斯，
申請(專利權)人：美國高通技術公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。