CN107578096A - 一种压频式择端人工神经元的设计方法 - Google Patents
一种压频式择端人工神经元的设计方法 Download PDFInfo
- Publication number
- CN107578096A CN107578096A CN201710856605.4A CN201710856605A CN107578096A CN 107578096 A CN107578096 A CN 107578096A CN 201710856605 A CN201710856605 A CN 201710856605A CN 107578096 A CN107578096 A CN 107578096A
- Authority
- CN
- China
- Prior art keywords
- voltage
- frequency
- artificial neuron
- neuron
- input
- 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
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种压频式择端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,累加器把累加的值传递给压频变换器,压频变换器会根据传来的值,输出对应频率的波,通过输入择端器控制端的代码,择端器会选择那些端口打开,那些端口关闭,把这个频率的波,从选通的端口传递给下一层人工神经元。
Description
技术领域
一种压频式择端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,累加器把累加的值传递给压频变换器,压频变换器会根据传来的值,输出对应频率的波,通过输入择端器控制端的代码,择端器会选择那些端口打开,那些端口关闭,把这个频率的波,从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,一种压频式择端人工神经元的设计方法,其特征是:压频式择端人工神经元是由输入端、人工神经元、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,就把累加的值传递给压频转换器,压频转换器就会根据传递过来的值,经过压频转换,输出对应频率的波,把这个频率的波传递给择端器,从择端器控制端输入控制代码,择端器会选择那些端口打开,那些端口关闭,把这个频率的波,从选通的端口传递给下一层人工神经元,其中人工神经元采用如下设计,其有2部分组成,1是累加器,它的作用就是把输入进行累加,是否达到阀值,如果超过阀值,就把这个累加的值传递给压频转换器,2是压频转换器,它的作用是接收累加器传递过来的值,变换成频率波,电压越高,输出的频率越大,例如神经元的阀值为1伏,如果累加的值为1.2伏,输出2兆频率的波,如果累加的值1.5伏,那么输出就5兆频率的波,根据电压的增高,输出的频率变大,这里的电压和频率的关系,是根据不同的材料的器件和设计确定的,因此这压频式择端人工神经元具有这样的功能,当输入累加的值大于阀值,就会根据电压的增高,输出的频率变大,并且可以根据择端器控制端输入代码,选通那些端口输出。
附图说明
图1是压频式择端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代表压频转换器,b-1代表择端器,b-2代表人工神经元和连接器之间的连线,r-1代表是择端器控制端。
实施方法
人的大脑有成千上万的神经元,人类做了很多实验证明了,给一些神经元给予不同的刺激,就输出不同频率的波,并且它们的一些输出也是有选择性的,因此本发明创造一种人工神经元,通过输入不同的电压,就会输出不同频率的波,压频式择端人工神经元是由输入端、人工神经元、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,就把累加的值传递给压频转换器,压频转换器就会根据传递过来的值,经过压频转换,输出对应频率的波,把这个频率的波传递给择端器,从择端器控制端输入控制代码,择端器会选择那些端口打开,那些端口关闭,把这个频率的波,从选通的端口传递给下一层人工神经元,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,是采用压频式择端的形式,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)
1.一种压频式择端人工神经元的设计方法,其特征是:压频式择端人工神经元是由输入端、人工神经元、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,就把累加的值传递给压频转换器,压频转换器就会根据传递过来的值,经过压频转换,输出对应频率的波,把这个频率的波传递给择端器,从择端器控制端输入控制代码,择端器会选择那些端口打开,那些端口关闭,把这个频率的波,从选通的端口传递给下一层人工神经元,其中人工神经元采用如下设计,其有2部分组成,1是累加器,它的作用就是把输入进行累加,是否达到阀值,如果超过阀值,就把这个累加的值传递给压频转换器,2是压频转换器,它的作用是接收累加器传递过来的值,变换成频率波,电压越高,输出的频率越大,例如神经元的阀值为1伏,如果累加的值为1.2伏,输出2兆频率的波,如果累加的值1.5伏,那么输出就5兆频率的波,根据电压的增高,输出的频率变大,这里的电压和频率的关系,是根据不同的材料的器件和设计确定的,因此这压频式择端人工神经元具有这样的功能,当输入累加的值大于阀值,就会根据电压的增高,输出的频率变大,并且可以根据择端器控制端输入代码,选通那些端口输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710856605.4A CN107578096A (zh) | 2017-09-21 | 2017-09-21 | 一种压频式择端人工神经元的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710856605.4A CN107578096A (zh) | 2017-09-21 | 2017-09-21 | 一种压频式择端人工神经元的设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107578096A true CN107578096A (zh) | 2018-01-12 |
Family
ID=61033413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710856605.4A Pending CN107578096A (zh) | 2017-09-21 | 2017-09-21 | 一种压频式择端人工神经元的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578096A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679265A (zh) * | 2013-11-21 | 2014-03-26 | 大连海联自动控制有限公司 | 一种多特性仿生统一神经元模型 |
CN104240753A (zh) * | 2013-06-10 | 2014-12-24 | 三星电子株式会社 | 突触阵列、脉冲整形电路和神经形态系统 |
CN106125574A (zh) * | 2016-07-22 | 2016-11-16 | 吉林大学 | 基于dpi模型的压电陶瓷微定位平台建模方法 |
CN106209072A (zh) * | 2016-06-27 | 2016-12-07 | 电子科技大学 | 一种基于人工神经网络的晶体振荡器 |
CN106875004A (zh) * | 2017-01-20 | 2017-06-20 | 清华大学 | 复合模式神经元信息处理方法和系统 |
CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
-
2017
- 2017-09-21 CN CN201710856605.4A patent/CN107578096A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240753A (zh) * | 2013-06-10 | 2014-12-24 | 三星电子株式会社 | 突触阵列、脉冲整形电路和神经形态系统 |
CN103679265A (zh) * | 2013-11-21 | 2014-03-26 | 大连海联自动控制有限公司 | 一种多特性仿生统一神经元模型 |
CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
CN106209072A (zh) * | 2016-06-27 | 2016-12-07 | 电子科技大学 | 一种基于人工神经网络的晶体振荡器 |
CN106125574A (zh) * | 2016-07-22 | 2016-11-16 | 吉林大学 | 基于dpi模型的压电陶瓷微定位平台建模方法 |
CN106875004A (zh) * | 2017-01-20 | 2017-06-20 | 清华大学 | 复合模式神经元信息处理方法和系统 |
Non-Patent Citations (5)
Title |
---|
A·B·威廉斯: "《集成电路应用设计手册》", 31 December 1990, 辽宁教育出版社 * |
尔桂花,窦曰轩编著: "《运动控制系统》", 31 October 2002, 清华大学出版社 * |
王守觉,来疆亮著: "《多维空间仿生信息学入门》", 31 January 2008, 国防工业出版社 * |
陈允平,王旭蕊,韩宝亮编: "《人工神经网络原理及其应用》", 31 August 2002, 中国电力出版社 * |
陈立元,范逸之,廖锦棋编著: "《Visul Basic 2005与自动化系统监控 串并行控制》", 30 April 2008, 清华大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197773A (zh) | 电力负荷预测方法、电力负荷预测装置及终端设备 | |
CN102622418B (zh) | 一种基于bp神经网络的预测装置及设备 | |
Widrow et al. | The Hebbian-LMS learning algorithm | |
CN109376921A (zh) | 基于遗传人工鱼群优化rbf神经网络短期负荷预测方法 | |
Yongshi et al. | CNN-based modulation classification in the complicated communication channel | |
CN107563506A (zh) | 一种压频式择频输出人工神经元的设计方法 | |
CN105373829B (zh) | 一种全连接神经网络结构 | |
CN107578096A (zh) | 一种压频式择端人工神经元的设计方法 | |
CN110378476A (zh) | 脉冲卷积神经网络的最大池化层的近似实现方法、系统及介质 | |
CN107563505A (zh) | 一种外控植入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 | |
CN107516130A (zh) | 一种多阀值多函数择端输出人工神经元的设计方法 | |
CN107633299A (zh) | 一种压频式人工神经元的设计方法 | |
Aly et al. | A proposed algorithms for tidal in-stream speed model | |
CN107633300A (zh) | 一种分级电位式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 | |
CN107480783A (zh) | 一种多阀值单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 | |
CN107480779A (zh) | 一种同时输出多态功能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 | |
CN107491810A (zh) | 一种多阀值反馈人工神经元的设计方法 | |
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 | |
CN107578097A (zh) | 一种多阀值多函数反馈人工神经元的设计方法 | |
CN107563499A (zh) | 一种可编码多阀值多函数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 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |