CN107563501A - 一种可植入激活函数择端输出人工神经元的设计方法 - Google Patents
一种可植入激活函数择端输出人工神经元的设计方法 Download PDFInfo
- Publication number
- CN107563501A CN107563501A CN201710836873.XA CN201710836873A CN107563501A CN 107563501 A CN107563501 A CN 107563501A CN 201710836873 A CN201710836873 A CN 201710836873A CN 107563501 A CN107563501 A CN 107563501A
- Authority
- CN
- China
- Prior art keywords
- activation primitive
- artificial neuron
- input
- neuron
- control terminal
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种可植入激活函数择端输出人工神经元的设计方法的技术领域,是属于人工智能,仿生学,电路设计的技术领域,主要技术是人工神经元通过多路输入,当累加值低于最小阀值时,人工神经元,不会被激活,当累加的值超过设定的阀值,人工神经元被激活,根据整个网络的设计和整个神经元网络的需求,通过函数库控制端输入需要哪个激活函数的代码,选出这个激活函数,把这个激活函数植入函数器,同时输入择端控制器的代码,选择那些端口打开,那些端口关闭,把这个选中的激活函数的值,通过选通的端口传递给下一层人工神经元。
Description
技术领域
一种可植入激活函数择端输出人工神经元的设计方法的技术领域,是属于人工智能,仿生学,电路设计的技术领域,主要技术是人工神经元通过多路输入,当累加值低于最小阀值时,人工神经元,不会被激活,当累加的值超过设定的阀值,人工神经元被激活,根据整个网络的设计和整个神经元网络的需求,通过函数库控制端输入需要哪个激活函数的代码,选出这个激活函数,把这个激活函数植入函数器,同时输入择端控制器的代码,选择那些端口打开,那些端口关闭,把这个选中的激活函数的值,通过选通的端口传递给下一层人工神经元。
背景技术
神经元是构成大脑的基本单元,人类的大脑是有成千上万个神经元按照一定规律构成的,人类为了模拟人脑,对人工神经元的设计是重中之重,有了人工神经元才能构成人工网络,人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在这一模型中,大量的人工神经元之间相互联接构成网络,即“神经网络”,以达到处理信息的目的。一种模仿动物神经网络行为特征的分布式并行信息处理算法结构的动力学模型。它用接受多路输入刺激,按加权求和超过一定阈值时产生“兴奋”输出的部件来模仿动物神经元的工作方式,并通过这些神经元部件相互联接的结构和反映关联强度的权系数使其“集体行为”具有各种复杂的信息处理功能。特别是这种宏观上具有鲁棒、容错、抗干扰、适应性、自学习等灵活而强有力功能的形成不仅可以通过元部件性能不断改进,并且通过复杂的互联关系得以实现,因而人工神经网络是一种联接机制模型,具有复杂系统的许多重要特征。人工神经网络适用于信号处理、数据压缩、模式识别、机器人视觉、知识处理及其应用,预测、评价和决策问题,调度排序、路由规划等组合优化问题。在控制系统设计中它可用于模拟被控对象特性、搜索和学习控制规律、实现模糊和智能控制,因此对神经元的设计十分的重要,因为十分明显,神经元的形状十分的多,虽然人类把它进行分类,但神经元有成千上万种,因此不同的神经元也具备不同的功能,本发明只是设计了一种人工神经元,现有的神经元的设计十分简单单一,就是把所有的输入和权重相乘,然后进行累加,减去阀值,然后设置激活函数,传递给下一层的神经元。
发明内容
人的大脑是很多神经元构成,因此神经元是神经网络的基本单元,十分明显,神经元数量巨大,在人体的不同部位就有不同形状、结构、生理学特征和功能的神经元,神经元的形状千奇百怪十分的多,虽然人类对它进行分类,但神经元有千百万种,因此不同的神经元也具备不同的功能,本发明只是设计了一种人工神经元,由于现有的神经元的设计十分简单单一,就是把所有的输入和权重相乘进行累加,减去阀值,然后设置激活函数,传递给下一层的神经元,这样构成一个网络,并且这样简单的设计解决了人类很多前人无法解决的问题,对整个世界产生巨大的影响,但这只是最简直的一种人工神经元结构,现实世界里神经元各种各样的形状,各种各样的功能,因此要发明各种功能的人工神经元的设计,一种可植入激活函数择端输出人工神经元的设计方法,其特征是:可植入激活函数择端输出人工神经元是由输入端、人工神经元、激活函数库、激活函数库控制端、择端器、择端器控制端、输出端组成,输入端如同神经元的输入端,接收上一级人工神经元的输入或由其他设备的输入,人工神经元的作用是把输入的值和权重相乘后进行累加,如果累加的值小于阀值,那么人工神经元就不会被激活,没有任何反应,如果累加的值大于阀值,那么人工神经元被激活,把信息传递给激活函数器,激活函数器里面的激活函数,是由激活函数库控制端根据整个网络的需求,输入对应的代码,选择需要的激活函数,然后植入激活函数器,同时根据整个网络的需求,从择端器控制端输入代码,设置择端器,择端器就可以根据输入的代码选择那些端口关闭,那些端口打开,其中人工神经元采用如下设计,人工神经元由2部分构成,1是累加器,2激活函数器,累加器的作用是把上一层的输入和权重相乘后进行累加,如果累加的值小于阀值,人工神经元不被激活,如果累加的值大于阀值,人工神经元被激活,把信息传递给激活函数器,激活函数器里面的激活函数,是根据网络的需求,从激活函数库里被选出植入的,这样本发明具有这样的功能,通过整个网络的需求,通过激活函数库控制端选出需要的激活函数,植入激活函数器,并且通过择端器控制端,设置择端器,这样一旦人工神经元被激活,被选中的激活函数输出的值由择端器选通的端口输出。
附图说明
图1是可植入激活函数择端输出人工神经元的结构原理图,i-1.1-2.i-3.i-4.i-5.i-6.i-7.i-8.i-9.i-10.i-11.i-12代表输入端,这个输入端很多,这里画12条是用来代表作用,o-1.o-2.o-3.o-4.o-5.i-6.i-7.i-8.i-9.i-10.i-11.i-12代表输出端,这个输出端很多,这里画12条是用来代表作用,a-1代表人工神经元,a-2代表里面的累加器, a-3代表激活函数器,b-1代表择端器,b-2代表人工神经元和择端器之间的连线,c-1代表激活函数库,r-1代表择端器控制端,r-2代表激活函数库控制端。
实施方法
人的大脑有成千上万的神经元,这些神经元不是一成不变的,它们也在不断的进化之中,并且同一个神经元在不同的环境下,也是不同的输出的,并且也是有选择的输出,本发明设计了一个人工神经元,它可以根据整个网络的需求,可以植入不同的函数,选择需要输出的端口,可植入激活函数择端输出人工神经元是由输入端、人工神经元、激活函数库、激活函数库控制端、择端器、择端器控制端、输出端组成,输入端如同神经元的输入端,接收上一级人工神经元的输入或由其他设备的输入,人工神经元的作用是把输入的值和权重相乘后进行累加,如果累加的值小于阀值,那么人工神经元就不会被激活,没有任何反应,如果累加的值大于阀值,那么人工神经元被激活,把信息传递给激活函数器,激活函数器里面的激活函数,是由激活函数库控制端根据整个网络的需求,输入对应的代码,选择需要的激活函数,然后植入激活函数器,同时根据整个网络的需求,从择端器控制端输入代码,设置择端器,择端器就可以根据输入的代码选择那些端口关闭,那些端口打开,把这样的人工神经元和其他功能的人工神经元联网,构成一个人工大脑,就可以达到模仿人类大脑的功能,由于本发明的人工神经元,是采用可植入激活函数择端输出的形式,因此可以实现更多的功能,可以用比较少的本发明的人工神经元,达到十分复杂的网络功能。
Claims (1)
1.一种可植入激活函数择端输出人工神经元的设计方法,其特征是:可植入激活函数择端输出人工神经元是由输入端、人工神经元、激活函数库、激活函数库控制端、择端器、择端器控制端、输出端组成,输入端如同神经元的输入端,接收上一级人工神经元的输入或由其他设备的输入,人工神经元的作用是把输入的值和权重相乘后进行累加,如果累加的值小于阀值,那么人工神经元就不会被激活,没有任何反应,如果累加的值大于阀值,那么人工神经元被激活,把信息传递给激活函数器,激活函数器里面的激活函数,是由激活函数库控制端根据整个网络的需求,输入对应的代码,选择需要的激活函数,然后植入激活函数器,同时根据整个网络的需求,从择端器控制端输入代码,设置择端器,择端器就可以根据输入的代码选择那些端口关闭,那些端口打开,其中人工神经元采用如下设计,人工神经元由2部分构成,1是累加器,2激活函数器,累加器的作用是把上一层的输入和权重相乘后进行累加,如果累加的值小于阀值,人工神经元不被激活,如果累加的值大于阀值,人工神经元被激活,把信息传递给激活函数器,激活函数器里面的激活函数,是根据网络的需求,从激活函数库里被选出植入的,这样本发明具有这样的功能,通过整个网络的需求,通过激活函数库控制端选出需要的激活函数,植入激活函数器,并且通过择端器控制端,设置择端器,这样一旦人工神经元被激活,被选中的激活函数输出的值由择端器选通的端口输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710836873.XA CN107563501A (zh) | 2017-09-17 | 2017-09-17 | 一种可植入激活函数择端输出人工神经元的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710836873.XA CN107563501A (zh) | 2017-09-17 | 2017-09-17 | 一种可植入激活函数择端输出人工神经元的设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107563501A true CN107563501A (zh) | 2018-01-09 |
Family
ID=60981205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710836873.XA Pending CN107563501A (zh) | 2017-09-17 | 2017-09-17 | 一种可植入激活函数择端输出人工神经元的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107563501A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056211A (zh) * | 2016-05-25 | 2016-10-26 | 清华大学 | 神经元计算单元、神经元计算模块及人工神经网络计算核 |
-
2017
- 2017-09-17 CN CN201710836873.XA patent/CN107563501A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056211A (zh) * | 2016-05-25 | 2016-10-26 | 清华大学 | 神经元计算单元、神经元计算模块及人工神经网络计算核 |
Non-Patent Citations (2)
Title |
---|
姚茂群等: "多阈值神经元电路设计及在多值逻辑中的应用", 《计算机学报》 * |
陈允平,王旭蕊,韩宝亮: "《人工神经网络原理及其应用》", 31 August 2002, 中国电力出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090658A (zh) | 基于时域特征参数融合的电弧故障诊断方法 | |
Alspector et al. | Performance of a stochastic learning microchip | |
CN107169566A (zh) | 动态神经网络模型训练方法和装置 | |
Ahamed et al. | A study on neural network architectures | |
US20210271961A1 (en) | A neuron circuit | |
CN107563501A (zh) | 一种可植入激活函数择端输出人工神经元的设计方法 | |
CN107563505A (zh) | 一种外控植入反馈人工神经元的设计方法 | |
CN105373829B (zh) | 一种全连接神经网络结构 | |
CN107516130A (zh) | 一种多阀值多函数择端输出人工神经元的设计方法 | |
CN107563504A (zh) | 一种可植入激活函数双择端输出人工神经元的设计方法 | |
CN107480779A (zh) | 一种同时输出多态功能人工神经元的设计方法 | |
CN107609643A (zh) | 一种双控植入择端输出人工神经元的设计方法 | |
CN107609640A (zh) | 一种阀值择端分级电位式人工神经元的设计方法 | |
CN107563506A (zh) | 一种压频式择频输出人工神经元的设计方法 | |
CN107609636A (zh) | 一种多函数对应输出反馈功能人工神经元的设计方法 | |
US7426500B2 (en) | Parallel computer architecture of a cellular type, modifiable and expandable | |
CN107657315A (zh) | 一种分级电位式择端输出人工神经元的设计方法 | |
CN107578097A (zh) | 一种多阀值多函数反馈人工神经元的设计方法 | |
CN107590536A (zh) | 一种分级电位式择端反馈人工神经元的设计方法 | |
CN106682651A (zh) | 一种基于神经网络的线缆绝缘皮破损监测方法 | |
CN107563503A (zh) | 一种可编码择阀值择函数人工神经元的设计方法 | |
CN107480780A (zh) | 一种多阀值多函数多择输出人工神经元的设计方法 | |
CN107545304A (zh) | 一种根据网络需求改变激活函数人工神经元的设计方法 | |
CN107633300A (zh) | 一种分级电位式人工神经元的设计方法 | |
CN107480783A (zh) | 一种多阀值单函数择端输出人工神经元的设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |
|
RJ01 | Rejection of invention patent application after publication |