[發明專利]一種仿腦非常態工作狀態的神經網絡及電路設計方法

在審

• 申請號: 201811118965.5
• 申請日: 2018-09-25
• 公開（公告）號: CN109359722A
• 公開（公告）日: 2019-02-19
• 發明（設計）人: 侯立剛;呂昂;郭嘉;江南;彭曉宏;耿淑琴;劉旭
• 申請（專利權）人: 北京工業大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/08;G06N3/063
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種仿腦非常態工作狀態的神經網絡及電路設計方法，在運用訓練集訓練神經網絡部分，使神經網絡得到標準的結果后，使用工作狀態下的神經網絡再次對訓練集進行預測，同時驅動非常態工作狀態，最后將得到的結果與訓練集進行比對，達到仿腦的目的。訓練集用于為整個訓練過程提供樣本；神經網絡芯片為整個神經網絡的載體。通過基于數字集成電路設計將正常狀況下的結果與不穩定狀況下的結果進行對比，將得到兩種狀況的不同，并為將來的研究鋪平了道路。

技術領域

本發明涉及神經網絡芯片的算法及設計方，屬于數字集成電路設計領域，更具體的，本發明涉及一種對神經網絡算法應用更深入的對人類大腦進行模擬的方法。

背景技術

人工神經網絡(Artificial Neural Network，即ANN)，是20世紀80年代以來人工智能領域興起的研究熱點。它從信息處理角度對人腦神經元網絡進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網絡。在工程與學術界也常直接簡稱為神經網絡或類神經網絡。神經網絡是一種運算模型，由大量的節點(或稱神經元)之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數(activation function)。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式，權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。

最近十多年來，人工神經網絡的研究工作不斷深入，已經取得了很大的進展，其在模式識別、智能機器人、自動控制、預測估計、生物、醫學、經濟等領域已成功地解決了許多現代計算機難以解決的實際問題，表現出了良好的智能特性。

集成電路(Integrated Circuit)顧名思義，就是把一定數量的常用電子元件，如電阻、電容、晶體管等，以及這些元件之間的連線，通過半導體工藝集成在一起的具有特定功能的電路。

現如今的神經網絡都是處于穩定狀況下執行所被賦予的任務，但真實的大腦并不都是處于穩定狀態下產生結果，往往外界帶來的不穩定狀態會導致新的靈感的產生。為了模擬這種不穩定狀況及其結果，本發明了這一方案，通過基于數字集成電路設計將正常狀況下的結果與不穩定狀況下的結果進行對比，我們將得到兩種狀況的不同，并為將來的研究鋪平了道路。

發明內容

本發明的技術方案為一種模擬人腦使神經網絡出現類似人腦的非常態工作狀態的神經網絡及電路設計方法，在運用訓練集訓練神經網絡部分，使神經網絡得到標準的結果后，使用工作狀態下的神經網絡再次對訓練集進行預測，同時驅動非常態工作狀態，最后將得到的結果與訓練集進行比對，達到仿腦的目的。本方案中，訓練集用于為整個訓練過程提供樣本；神經網絡芯片為整個神經網絡的載體。

本方法的具體步驟如下：

S1.通過訓練集對神經網絡芯片進行訓練，得到訓練好的網絡樣本；

S2.在得到訓練好的網絡樣本后，再次向神經網絡芯片中，通過不同的自紊機制，或對輸入數據采取措施，改變已經訓練好的神經網絡，并由該神經網絡對訓練集進行處理；

S3.得到正常的訓練集以及經過測試后的訓練集，并在輸出數據對比模塊中進行比對，輸出結果。