CN107563502A - 一种可编码多态输出人工神经元的设计方法 - Google Patents

一种可编码多态输出人工神经元的设计方法 Download PDF

Info

Publication number
CN107563502A
CN107563502A CN201710808942.6A CN201710808942A CN107563502A CN 107563502 A CN107563502 A CN 107563502A CN 201710808942 A CN201710808942 A CN 201710808942A CN 107563502 A CN107563502 A CN 107563502A
Authority
CN
China
Prior art keywords
output
codified
artificial neuron
value
activation
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
Application number
CN201710808942.6A
Other languages
English (en)
Inventor
胡明建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201710808942.6A priority Critical patent/CN107563502A/zh
Publication of CN107563502A publication Critical patent/CN107563502A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种可编码多态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,把数值传递给激活函数,设计有多种激活函数,这些函数同时被激活,这样有的函数输出正值,有的输出负值,有的不输出,把这些传输给可编码择端器,可编码择端器会根据控制端的输入设计,把各个激活函数传递过来的值,按照设定的编码分配到各个输出端,输出端可以赋予权值,这样就可以传递给下一层的神经元,可控的让那些端口具有激活作用,那些端口具有压制作用,那些端口起调节作用。

Description

一种可编码多态输出人工神经元的设计方法
技术领域
一种可编码多态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,把数值传递给激活函数,设计有多种激活函数,这些函数同时被激活,这样有的函数输出正值,有的输出负值,有的不输出,把这些传输给可编码择端器,可编码择端器会根据控制端的输入设计,把各个激活函数传递过来的值,按照设定的编码分配到各个输出端,输出端可以赋予权值,这样就可以传递给下一层的神经元,可控的让那些端口具有激活作用,那些端口具有压制作用,那些端口起调节作用。
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,本发明只是其中一种神经元的设计方法,它的输出同时对下一层具备激活能力,压制能力,调节能力,并且这些端口,根据控制端的输入设计和激活函数的不同,它们的输出就不同,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,本发明只是其中的一种神经元进行设计,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神经元的设计,本发明就是类似很多种神经元功能的其中之一的设计方法,一种可编码多态输出人工神经元的设计方法,其特征是:可编码多态输出人工神经元的设计方法是由输入端,人工神经元,可编码择端器,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,激活函数有多种函数组成,并且是同时被激活,因此会同时输出,一些端口是正值,一些端口是负值,一些端口不输出,但可以赋予值用来调节组网作用,把这些值传输给可编码择端器,可编码择端器会根据控制端的输入设计,把各个激活函数传递过来的值,按照设定的编码分配到各个输出端,输出端可以赋予权值,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是不同的激活函数,累加器的作用是把上一层的输入和权重相乘后进行累加,没达到阀值不激活,达到阀值,把信息传递给激活函数,激活函数是这样设计的,有不同的函数组成,例如f(x1)的输出是负值,起压制作用,f(x2)输出#代表没有输出但可以赋予权值,f(x3)代表的是输出正值,起激活作用,当累加的值大于阀值,这些函数全部被激活,这时一些函数输出是正值,起激活作用,一些函数输出是负值,起压制作用,有些函数起调节作用,其中可编码择端器采用如下设计,它有2部分组成,一部分是接收激活函数集传输过来的各种函数的值,每一个激活函数是可以对应多个输出端的,可编码择端器可以通过设计里面的寄存器,让那些端口输出对应那个函数传递过来的值,另一部分是控制端,它可以输入不同的数据,改变可编码择端器里面的通路,使各个端口输出对应函数的值。
附图说明
图1是同时输出多态功能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代表输入端,这个输入端很多,这里画9条是用来代表作用,o-1.o-2.o-3.代表输出负值,是起压制作用,o-4.o-5.o-6.代表不输出,o-7.o-8.o-9代表输出正值,是起激活作用,这个输出端很多,这里画9条是用来代表作用,这里还有说明的是一个函数可以对应多个端口,那个端口对应那个函数有可编码择端器里面设置的,a-1代表人工神经元,a-2代表里面的累加器,a-3代表不同的激活函数集,里面的f(x1).f(x2).f(x3)代表不同的函数,这里只有例出三种,可以设计更多的函数,这些函数会被同时激活,b-1代表可编码择端器,b-2.b-3.b-4 代表激活函数集和可编程择端器的连接,有多少个函数就有多少条连线,r-1 代表可控端,是对可编程择端器进行设置,用来改变输出端口。
实施方法
人类的大脑里面有各种各样的神经元,有的神经元被激活后,同时在输出端的不同输出脚上输出不同的递质,输给下一层神经元有的是压制,有的是激活,有的暂时不起作用,并且在外部环境的改变之下,有的本来是起激活作用的,变成了起压制作用,可编码多态输出人工神经元的设计方法是由输入端,人工神经元,可编码多态输出人工神经元的设计方法是由输入端,人工神经元,可编码择端器,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,激活函数有多种函数组成,并且是同时被激活,因此会同时输出,一些端口是正值,一些端口是负值,一些端口不输出,但可以赋予值用来调节组网作用,把这些值传输给可编码择端器,可编码择端器会根据控制端的输入设计,把各个激活函数传递过来的值,按照设定的编码分配到各个输出端,输出端可以赋予权值,把这样的神经元进行联网,和其他功能的人工神经元连网,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,是采用可编码多态输出,激活,压制和赋予权值的形式,并且可以通过设置可编码择端器,可控的让那些端口输出那个函数的值,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和其他的人工神经元组网,达到十分复杂的网络功能。

Claims (1)

1.一种可编码多态输出人工神经元的设计方法,其特征是:可编码多态输出人工神经元的设计方法是由输入端,人工神经元,可编码择端器,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,激活函数有多种函数组成,并且是同时被激活,因此会同时输出,一些端口是正值,一些端口是负值,一些端口不输出,但可以赋予值用来调节组网作用,把这些值传输给可编码择端器,可编码择端器会根据控制端的输入设计,把各个激活函数传递过来的值,按照设定的编码分配到各个输出端,输出端可以赋予权值,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是不同的激活函数,累加器的作用是把上一层的输入和权重相乘后进行累加,没达到阀值不激活,达到阀值,把信息传递给激活函数,激活函数是这样设计的,有不同的函数组成,例如f(x1)的输出是负值,起压制作用,f(x2)输出#代表没有输出但可以赋予权值,f(x3)代表的是输出正值,起激活作用,当累加的值大于阀值,这些函数全部被激活,这时一些函数输出是正值,起激活作用,一些函数输出是负值,起压制作用,有些函数起调节作用,其中可编码择端器采用如下设计,它有2部分组成,一部分是接收激活函数集传输过来的各种函数的值,每一个激活函数是可以对应多个输出端的,可编码择端器可以通过设计里面的寄存器,让那些端口输出对应那个函数传递过来的值,另一部分是控制端,它可以输入不同的数据,改变可编码择端器里面的通路,使各个端口输出对应函数的值。
CN201710808942.6A 2017-09-09 2017-09-09 一种可编码多态输出人工神经元的设计方法 Pending CN107563502A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710808942.6A CN107563502A (zh) 2017-09-09 2017-09-09 一种可编码多态输出人工神经元的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710808942.6A CN107563502A (zh) 2017-09-09 2017-09-09 一种可编码多态输出人工神经元的设计方法

Publications (1)

Publication Number Publication Date
CN107563502A true CN107563502A (zh) 2018-01-09

Family

ID=60980421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710808942.6A Pending CN107563502A (zh) 2017-09-09 2017-09-09 一种可编码多态输出人工神经元的设计方法

Country Status (1)

Country Link
CN (1) CN107563502A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022468A (zh) * 2016-05-17 2016-10-12 成都启英泰伦科技有限公司 人工神经网络处理器集成电路及该集成电路的设计方法
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022468A (zh) * 2016-05-17 2016-10-12 成都启英泰伦科技有限公司 人工神经网络处理器集成电路及该集成电路的设计方法
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)

* Cited by examiner, † Cited by third party
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
Niklas Morphological evolution through complex domains of fitness.
CN108090658A (zh) 基于时域特征参数融合的电弧故障诊断方法
CN103810497B (zh) 一种基于忆阻器的图像识别系统及方法
CN109416758A (zh) 神经网络及神经网络训练的方法
CN109344888A (zh) 一种基于卷积神经网络的图像识别方法、装置及设备
CN108875812B (zh) 一种基于分支卷积神经网络的驾驶员行为分类方法
CN107169566A (zh) 动态神经网络模型训练方法和装置
CN109961102A (zh) 图像处理方法、装置、电子设备及存储介质
CN107220707A (zh) 基于二维数据的动态神经网络模型训练方法和装置
CN107563502A (zh) 一种可编码多态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
CN107516130A (zh) 一种多阀值多函数择端输出人工神经元的设计方法
CN108958037A (zh) 小波模糊大脑情感学习控制方法、装置、设备及存储介质
CN107563505A (zh) 一种外控植入反馈人工神经元的设计方法
CN107480778A (zh) 一种同时输出多态功能人工神经元的设计方法
CN107563503A (zh) 一种可编码择阀值择函数人工神经元的设计方法
CN107563506A (zh) 一种压频式择频输出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
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
CN107451657A (zh) 一种多阀值多函数神经元的设计方法
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
CN107657315A (zh) 一种分级电位式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
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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180109