[發明專利]利用波動和脈沖信號混合編碼的神經網絡識別方法與裝置

有效

• 申請號: 201811201335.4
• 申請日: 2018-10-16
• 公開（公告）號: CN110020715B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 張文卓
• 申請（專利權）人: 量子超并（北京）科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G10L15/16
• 代理公司: 北京律譜知識產權代理事務所(普通合伙) 11457
• 代理人: 黃云鐸

本申請公開了一種利用波動和脈沖信號混合編碼的人工神經網絡識別方法。該方法包括：生成分布式人工神經網絡；將原始語音或圖像編碼為波動信號和脈沖信號的混合信號輸入給神經網絡；令所述混合信號進入神經網絡后，以特定速度分布式傳播；利用所述混合信號依次激發特定的神經元，產生不同的特征路徑，并將特征路徑上的神經元映射為特征矩陣保存；多次重復編碼和矩陣存儲過程，取特征矩陣平均值，生成記憶矩陣，訓練神經網絡；根據訓練后的特征矩陣數據保存特征路徑；將需要識別的語音或圖像輸入給訓練好的神經網絡，生成待識別的特征矩陣；進行比對完成識別。

技術領域

本發明涉及計算機軟硬件、神經網絡、機器學習、人工智能，具體涉及一種用于語音識別和圖像識別的全新人工神經網絡方法。

背景技術

目前人工智能領域用到的神經網絡方法，都是基于數字計算機的人工神經網絡。這種神經網絡本質上都是對原始信息進行二進制編碼，傳遞二進制數字信號。在神經網絡用于智能語音和圖像識別時，需要大量數據樣本輸入來進行訓練，或者需要實時連接互聯網以調用大量數據，對原始數據量的互聯網環境的依賴很強。

現實的生物神經網絡，尤其是哺乳動物大腦中，同時包含了模擬信號和數字信號處理功能，其中模擬信號以腦電波形式存在，數字信號以神經脈沖形式存在，二者對記憶、學習等智能行為均至關重要。生物神經網絡的學習過程并不需要大量數據訓練和互聯網環境。但是，目前的神經網絡方法尚不能將生物神經網絡的融合進來。

發明內容

1.目的

為了降低目前神經網絡對大數據訓練和互聯網環境的依賴，制造更實用的人工智能識別裝置，本發明提出了一種利用波動和脈沖信號混合編碼的人工神經網絡識別方法，能夠不依賴大數據輸入而快速地學習語音或圖像信號特征，并對同類型語音或圖像信號進行準確識別，不依賴互聯網環境。

2.技術方案

具體而言，本發明提供一種利用波動和脈沖信號混合編碼的人工神經網絡識別方法，其特征在于，所述方法包括以下步驟：

步驟一：生成分布式人工神經網絡，該神經網絡由多個單頻網絡組成，對所生成的分布式人工神經網絡進行初始化全連通；

步驟二：將原始語音或圖像編碼為波動信號和脈沖信號的混合信號并輸入給分布式人工神經網絡；

步驟三：令所述混合信號進入分布式人工神經網絡后，以特定速度分布式傳播，其中在任意一個單頻線路上傳播混合信號，但不同單頻網絡之間只傳播脈沖信號；

步驟四：利用所述混合信號依次激發網絡中的神經元，產生不同的特征路徑，并將特征路徑上的神經元映射為特征矩陣保存，一個維度為時間，一個維度為頻率；

步驟五：多次重復步驟二到步驟四的編碼和矩陣存儲過程，取特征矩陣平均值，生成記憶矩陣，訓練所述分布式人工神經網絡；

步驟六：根據訓練后的特征矩陣數據保存特征路徑；

步驟七：將需要識別的語音或圖像輸入給訓練好的分布式人工神經網絡，重復步驟二到步驟四過程，生成待識別的特征矩陣；

步驟八：對比已保存的特征矩陣和待識別的特征矩陣，獲得待識別的特征矩陣與已保存的特征矩陣的符合程度數據。

優選地，所述分布式人工神經網絡由多個單頻網絡組成，每個單頻網絡包括神經元和連接通道，單頻網絡以內的神經元互相連接，單頻網絡之間神經元也互相連接，每個神經網絡的神經元都有一個路連接到數據儲存層，在步驟二中信號傳播時，單頻網絡以內傳播混合信號，單頻網絡之間只傳播脈沖信號。

優選地，在所述步驟一構建的分布式人工神經網絡中，單個神經網絡節點具有多向輸入和多向輸出功能，其中輸入輸出路徑不共用。