方法

方法、系统和装置，包括编码在计算机存储介质上的计算机程序，用于涉及对二维图像上的地标的标注的图像处理。在一个方面，由数据处理装置执行用于训练用于估计成像设备和二维图像中的对象的相对姿态的设备的方法。所述方法包括：识别所述对象的3D模型；...

用于构造和操作循环人工神经网络的方法、系统和装置——包括编码在计算机存储介质上的计算机程序。在一方面，一种用于构造模仿目标大脑组织的人工循环神经网络的节点的方法。所述方法包括：设置所述人工循环神经网络中的节点的总数目；设置所述人工循环神...

用于构造和操作循环人工神经网络的方法、系统和装置——包括编码在计算机存储介质上的计算机程序。在一方面，一种方法用于读取包括多个节点和边缘的人工循环神经网络的输出，所述边缘连接所述节点。该方法包括：识别一个或多个相对复杂的根拓扑元素，每个...

用于选择循环神经网络中形成认知过程的一组元素的方法、系统和装置——包括编码在计算机存储介质上的计算机程序。所述方法包括：识别所述循环神经网络中的与相对简单的拓扑模式相称的活动；使用识别的相对简单的拓扑模式作为约束以识别所述循环神经网络中...

循环神经网络中的距离度量和聚类。例如，一种方法，包括：响应于到循环人工神经网络中的第一数据的输入，确定拓扑模式的集合中的活动的拓扑模式是否发生在所述循环人工神经网络中；以及基于被确定为响应于所述第一数据的所述输入而发生的活动的所述拓扑模...

用于构造和操作循环人工神经网络的方法、系统和装置——包括编码在计算机存储介质上的计算机程序。在一方面，一种用于构造模仿目标大脑组织的人工循环神经网络的节点之间的连接的方法。所述方法可以包括：设置所述人工循环神经网络中的所述节点之间的连接...

一种方法包括：在循环人工神经网络中定义多个不同的时间窗，其中不同的窗中的每个具有不同的持续时间、具有不同的开始时间、或既具有不同的持续时间又具有不同的开始时间；识别在所述不同的时间窗中所述循环人工神经网络中的活动的拓扑模式的发生；比较活...

将来自循环人工神经网络的输出应用于各种不同的应用程序。一种方法可以包括：识别循环人工神经网络中的活动的拓扑模式，输出数字的集合，以及将所述集合的第一数字输入到被设计为实现第一目的的第一应用程序以及被设计为实现第二目的的第二应用程序，其中...

使用人工神经网络来对源自不同的传感器和换能器的数据进行抽象。一种方法可以包括识别循环人工神经网络中的活动的拓扑模式以及输出数字的集合。所述拓扑模式响应于到所述循环人工神经网络中的、源自第一传感器的第一数据以及源自第二传感器的第二数据的输...

鲁棒的循环人工神经网络以及用于提高循环人工神经网络的鲁棒性的技术。例如，一种系统可以包括：多个节点和链接，所述多个节点和链接被布置在循环神经网络中，其中沿着所述链接的信息传输或所述节点处的决策是非确定性的；以及输出，所述输出被配置为输出...

用于加密和解密数据的方法、系统和设备。在一个实现中，一种加密方法包括：将明文输入到循环人工神经网络中；识别所述循环人工神经网络中的活动的模式中的拓扑结构，其中活动的所述模式响应于所述明文的所述输入；以具有长度(L)的二进制序列表示识别的...

用于同态加密的方法、系统和设备。在一个实现中，所述方法包括：将第一数据输入到循环人工神经网络中；识别所述循环人工神经网络中的活动的响应于安全数据的输入的模式；存储表示活动的所识别的模式是否与拓扑模式相称的第二数据；以及对所述第二数据进行...

用于将循环人工神经网络中的活动特征化以及编码和解码信息的方法、系统和装置，包括被编码在计算机存储介质上的计算机程序。在一方面，一种方法可以包括从循环人工神经网络输出数字，其中每个数字表示所述循环人工神经网络中的特定的节点组中的活动是否与...

用于将循环人工神经网络中的活动特征化以及编码和解码信息的方法、系统和装置，包括被编码在计算机存储介质上的计算机程序。在一方面，一种方法可以包括将人工神经网络中的活动特征化。所述方法由数据处理装置执行并且可以包括识别所述人工神经网络的活动...

用于将循环人工神经网络中的活动特征化以及编码和解码信息的方法、系统和装置，包括被编码在计算机存储介质上的计算机程序。在一方面，一种用于识别循环人工神经网络中的决策时刻的方法可以包括：确定所述循环人工神经网络中的活动的模式的复杂度；确定具...

用于将循环人工神经网络中的活动特征化以及编码和解码信息的方法、系统和装置，包括被编码在计算机存储介质上的计算机程序。在一方面，一种设备可以包括神经网络，所述神经网络被训练以：响应于第一输入而产生在源神经网络中响应于所述第一输入而出现的活...

用于将循环人工神经网络中的活动特征化以及编码和解码信息的方法、系统和装置，包括被编码在计算机存储介质上的计算机程序。在一方面，一种由一个或多个数据处理设备实现的方法可以包括：接收训练集，所述训练集包括源神经网络中的活动的模式中的拓扑结构...