[發明專利]一種多閥值反饋人工神經元的設計方法

在審

• 申請號: 201710869582.0
• 申請日: 2017-09-23
• 公開（公告）號: CN107491810A
• 公開（公告）日: 2017-12-19
• 發明（設計）人: 胡明建
• 申請（專利權）人: 胡明建
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

一種多閥值反饋人工神經元的設計方法的技術領域，是屬于人工智能，仿生學，電路設計的技術領域，主要技術是人工神經元通過多路輸入，當累加值低于最小閥值時，人工神經元，不會被激活，當累加的值超過設定的閥值，人工神經元被激活，人工神經元設有多個閥值，根據累加的值，達到那個閥值，把這個閥值同時傳遞給激活函數和擇端器，擇端器會根據傳遞過來的閥值，選擇那些端口選通，那些端口反饋，激活函數根據傳來的閥值，通過激活函數運算，把計算的結果，通過擇端器傳遞給下一層人工神經元或反饋到輸入端。

背景技術

神經元是構成大腦的基本單元，人類的大腦是有成千上萬個神經元按照一定規律構成的，人類為了模擬人腦，對人工神經元的設計是重中之重，有了人工神經元才能構成人工網絡，人工神經網絡是一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學模型。在這一模型中，大量的人工神經元之間相互聯接構成網絡，即“神經網絡”，以達到處理信息的目的。一種模仿動物神經網絡行為特征的分布式并行信息處理算法結構的動力學模型。它用接受多路輸入刺激，按加權求和超過一定閾值時產生“興奮”輸出的部件來模仿動物神經元的工作方式，并通過這些神經元部件相互聯接的結構和反映關聯強度的權系數使其“集體行為”具有各種復雜的信息處理功能。特別是這種宏觀上具有魯棒、容錯、抗干擾、適應性、自學習等靈活而強有力功能的形成不僅可以通過元部件性能不斷改進，并且通過復雜的互聯關系得以實現，因而人工神經網絡是一種聯接機制模型，具有復雜系統的許多重要特征。人工神經網絡適用于信號處理、數據壓縮、模式識別、機器人視覺、知識處理及其應用，預測、評價和決策問題，調度排序、路由規劃等組合優化問題。在控制系統設計中它可用于模擬被控對象特性、搜索和學習控制規律、實現模糊和智能控制，因此對神經元的設計十分的重要，因為十分明顯，神經元的形狀十分的多，雖然人類把它進行分類，但神經元有成千上萬種，因此不同的神經元也具備不同的功能，本發明只是設計了一種人工神經元，現有的神經元的設計十分簡單單一，就是把所有的輸入和權重相乘，然后進行累加，減去閥值，然后設置激活函數，傳遞給下一層的神經元。

發明內容

人的大腦是很多神經元構成，因此神經元是神經網絡的基本單元，十分明顯，神經元數量巨大，在人體的不同部位就有不同形狀、結構、生理學特征和功能的神經元，神經元的形狀千奇百怪十分的多，雖然人類對它進行分類，但神經元有千百萬種，因此不同的神經元也具備不同的功能，本發明只是設計了一種人工神經元，由于現有的神經元的設計十分簡單單一，就是把所有的輸入和權重相乘進行累加，減去閥值，然后設置激活函數，傳遞給下一層的神經元，這樣構成一個網絡，并且這樣簡單的設計解決了人類很多前人無法解決的問題，對整個世界產生巨大的影響，但這只是最簡直的一種人工神經元結構，現實世界里神經元各種各樣的形狀，各種各樣的功能，因此要發明各種功能的人工神經元的設計，一種多閥值反饋人工神經元的設計方法，其特征是：多閥值反饋人工神經元是由輸入端、人工神經元、擇端器，輸出端，反饋線路組成，輸入端如同神經元的輸入端，接收上一級人工神經元的輸入或由其他設備的輸入，人工神經元的作用是把輸入的值和權重相乘后進行累加，如果累加的值小于閥值，那么人工神經元就不會被激活，沒有任何反應，如果累加的值大于閥值，那么人工神經元被激活，就把累加的值同時傳遞給激活函數和擇端器，擇端器會根據傳遞過來的閥值，選擇那些端口選通，那些端口反饋，激活函數根據傳來的閥值，通過激活函數運算，把計算的結果，通過擇端器打開的通道，從輸出端口傳遞給下一層人工神經元或反饋到輸入端，其中人工神經元采用如下設計，其由3部分組成，1是累加器，它的作用就是把輸入進行累加，是否達到閥值，如果超過閥值，就把這個累加的值同時傳遞給激活函數和擇端器，2是不同的閥值，不同閥值的設計是這樣的，設定最小閥值 a，a<b<c<d，當輸入的值小于a，那么人工神經元就不會被激活，如果輸入的值大于a，人工神經元就被激活，這時輸入的值就要和不同的閥值進行比較，比如輸入的值大于c小于d，那么就會啟動c 值傳遞給激活函數和擇端器，擇端器采用如下設計，根據傳來的閥值，擇端器會根據這個閥值選擇那些端口開通，那些端口關閉，并且根據傳來的閥值選擇那些端口進行反饋。

附圖說明