[發(fā)明專利]一種仿腦興奮態(tài)和抑制態(tài)工作狀態(tài)神經(jīng)網(wǎng)絡電路結構及方法

有效

• 申請?zhí)枺?/td>: 201811435003.2
• 申請日: 2018-11-28
• 公開（公告）號: CN109635942B
• 公開（公告）日: 2023-05-05
• 發(fā)明（設計）人: 耿淑琴;楊彩娟;張巖;侯立剛;彭曉宏
• 申請（專利權）人: 北京工業(yè)大學
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/10
• 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

1.一種仿腦興奮態(tài)與抑制態(tài)工作狀態(tài)的神經(jīng)網(wǎng)絡電路結構的實現(xiàn)方法，該實現(xiàn)方法的神經(jīng)網(wǎng)絡電路結構包括情感信息組件、采集監(jiān)測識別組件、仿腦神經(jīng)網(wǎng)絡電路組件、算法組件、抑制態(tài)自選組件和智能應對策略組件，情感信息組件包括數(shù)據(jù)與圖像；將情感信息組件輸入至采集監(jiān)測識別組件中并輸出的情感信息，情感信息通過仿腦神經(jīng)網(wǎng)絡電路組件、算法組件和抑制態(tài)自選組件進行仿真，從而得到電路智能應對策略，對情感信息的數(shù)據(jù)與圖像進行分析；

仿腦神經(jīng)網(wǎng)絡電路通過改變算法或者是改變抑制態(tài)自選組件，再次對輸出信息進行仿真，通過數(shù)據(jù)和圖片進行分析電路處于興奮態(tài)還是抑制態(tài)；

其特征在于：

S1:選用仿腦神經(jīng)網(wǎng)絡電路芯片；

S2:對輸入信息即情感狀態(tài)信息的采集監(jiān)測識別；泛在學習環(huán)境下，學習者的情感狀態(tài)要受到不同的學習環(huán)境，學習時刻，學習內容，學習交互活動及共同學習伙伴眾多因素的影響，且處于動態(tài)變化之中；為了及時識別情感的變化，必須對包含學習者情感的語音信息，視頻信息，網(wǎng)絡行為數(shù)據(jù)及不同頁面的操作進行實時監(jiān)測和動態(tài)采集，并根據(jù)學習者的情感特征畫像進行在線識別；情感信息的采集通過實時監(jiān)測Agent和數(shù)據(jù)采集Agent兩個智能Agent來實現(xiàn)；Agent為采用人工智能技術開發(fā)的智能代理，具有屬性和行動規(guī)則，在設定的屬性參數(shù)下，按照上述行動規(guī)則產生自主行為，完成預定的任務；其中，數(shù)據(jù)采集知識庫為上述兩個Agent提供采集策略與規(guī)則，并根據(jù)學習者的情感特征畫像為之提供采集，監(jiān)測智能引導；泛在學習者的情感狀態(tài)識別包括數(shù)據(jù)預處理，特征參數(shù)提取，識別算法三個環(huán)節(jié)，通過數(shù)據(jù)預處理Agent和情感識別Agent兩個智能Agent來實現(xiàn)；情感識別知識庫為識別提供學習者情感特征畫像以及特征參數(shù)提取方法，情感識別Agent根據(jù)以上知識采用智能識別算法完成對學習者情感狀態(tài)的在線識別；

S3:對仿腦神經(jīng)網(wǎng)絡電路輸出信息進行仿真，得到興奮態(tài)即非抑制工作狀態(tài)的訓練集，此時仿腦神經(jīng)網(wǎng)絡電路處于興奮態(tài)；以神經(jīng)網(wǎng)絡為側重點的仿真軟件NEST,側重于模擬神經(jīng)元的動力學，神經(jīng)系統(tǒng)的結構，但并不關注單個神經(jīng)元的細致形態(tài)結構，降低了計算復雜度，從而能夠實現(xiàn)大規(guī)模腦神經(jīng)網(wǎng)絡仿真；

S4:通過不同的算法機制，或改變輸入數(shù)據(jù)，從而改變原有的仿腦神經(jīng)網(wǎng)絡電路，得到非興奮態(tài)即抑制工作狀態(tài)的訓練集，此時仿腦電路處于抑制態(tài)；

S5:與之前的訓練集進行圖形和數(shù)據(jù)各種比對，劃分興奮態(tài)與抑制態(tài)，從而選擇智能應對策略。

2.根據(jù)權利要求1所述的一種仿腦興奮態(tài)與抑制態(tài)工作狀態(tài)的神經(jīng)網(wǎng)絡電路結構的實現(xiàn)方法，其特征在于：NEST支持多種神經(jīng)網(wǎng)絡連接方式，因此便于建立神經(jīng)網(wǎng)絡，NEST構建一個神經(jīng)網(wǎng)絡分為以下幾步：S3.1：設定要仿真神經(jīng)網(wǎng)絡的各種參數(shù)；S3.2：創(chuàng)建神經(jīng)元模型，外部輸入；S3.3：建立神經(jīng)網(wǎng)絡鏈接。

3.根據(jù)權利要求1所述的一種仿腦興奮態(tài)與抑制態(tài)工作狀態(tài)的神經(jīng)網(wǎng)絡電路結構的實現(xiàn)方法，其特征在于：使用誤差逆?zhèn)鞑ニ惴ǎ涔ぷ髁鞒蹋合葘⑤斎胧纠峁┙o輸入層神經(jīng)元，然后逐層將信號前傳，直到產生輸出層的結果，然后計算輸出的誤差，再將誤差逆向傳播至隱層神經(jīng)元，最后根據(jù)隱層神經(jīng)元的誤差來對連接權和閾值進行調整，該迭代過程循環(huán)進行，直到達到某些停止條件為止。

4.根據(jù)權利要求1所述的一種仿腦興奮態(tài)與抑制態(tài)工作狀態(tài)的神經(jīng)網(wǎng)絡電路結構的實現(xiàn)方法，其特征在于：對訓練集即識別出來的輸出信息進行仿真，運用以神經(jīng)網(wǎng)絡電路為側重點的仿真軟件，對數(shù)據(jù)進行初始化和參數(shù)設置和創(chuàng)建元素，完成神經(jīng)網(wǎng)絡電路各元素的互聯(lián)，實現(xiàn)此電路的仿真，得到興奮工作狀態(tài)下的訓練集；通過改變權重算法，從而改變原有的仿腦神經(jīng)網(wǎng)絡電路，得到非興奮態(tài)即抑制工作狀態(tài)的訓練集；與之前的訓練集進行圖形和數(shù)據(jù)各種比對。