[發(fā)明專利]一種硬件感知的液體狀態(tài)機(jī)網(wǎng)絡(luò)生成方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011351853.1
• 申請(qǐng)日: 2020-11-26
• 公開（公告）號(hào): CN112329327B
• 公開（公告）日: 2022-06-07
• 發(fā)明（設(shè)計(jì)）人: 王蕾;王世英;曲連華;康子揚(yáng);李石明;張劍鋒;劉威;張英;潘國騰;蘇金樹
• 申請(qǐng)（專利權(quán)）人: 中國人民解放軍國防科技大學(xué)
• 主分類號(hào): G06F30/25
• 分類號(hào): G06F30/25;G06F30/27;G06N3/04;G06F111/08
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 譚武藝

1.一種硬件感知的液體狀態(tài)機(jī)網(wǎng)絡(luò)生成方法，其特征在于，包括：

1）在類腦處理器的每個(gè)核的LSM神經(jīng)元不超過預(yù)設(shè)閾值的前提下，將一組無連接的LSM神經(jīng)元隨機(jī)映射到類腦處理器的每個(gè)核中；根據(jù)LSM神經(jīng)元在類腦處理器中分配的核的位置計(jì)算任意兩個(gè)LSM神經(jīng)元之間的距離，形成距離矩陣；其中，計(jì)算任意兩個(gè)LSM神經(jīng)元之間的距離的函數(shù)表達(dá)式為：

上式中，D(i,j)表示兩個(gè)LSM神經(jīng)元i和j之間的距離，x_i表示LSM神經(jīng)元i的x坐標(biāo)，x_j表示LSM神經(jīng)元j的x坐標(biāo)，y_i表示LSM神經(jīng)元i的y坐標(biāo)，y_j表示LSM神經(jīng)元j的y坐標(biāo)；

2）通過迭代調(diào)整LSM網(wǎng)絡(luò)的控制參數(shù)λ、C的參數(shù)值指導(dǎo)產(chǎn)生新的LSM網(wǎng)絡(luò)結(jié)構(gòu)，并通過新的LSM網(wǎng)絡(luò)結(jié)構(gòu)針對(duì)輸入的距離矩陣進(jìn)行計(jì)算LSM網(wǎng)絡(luò)的任意兩個(gè)LSM神經(jīng)元之間有無連接的概率，從而得到由LSM神經(jīng)元之間有無連接的概率構(gòu)成的連接矩陣，采用啟發(fā)式算法重復(fù)上述迭代調(diào)整LSM網(wǎng)絡(luò)過程直至達(dá)到預(yù)設(shè)的終止條件；

3）將最優(yōu)的LSM網(wǎng)絡(luò)結(jié)構(gòu)輸出；

步驟2）包括：

2.1）確定控制參數(shù)λ、C的搜索空間，將控制參數(shù)λ、C作為粒子群算法的粒子，在控制參數(shù)λ、C的搜索空間內(nèi)初始化粒子群；

2.2）通過當(dāng)前粒子群中的控制參數(shù)λ、C的參數(shù)值指導(dǎo)產(chǎn)生新的LSM網(wǎng)絡(luò)結(jié)構(gòu)，并通過新的LSM網(wǎng)絡(luò)結(jié)構(gòu)針對(duì)輸入的距離矩陣計(jì)算LSM網(wǎng)絡(luò)的任意兩個(gè)LSM神經(jīng)元之間有無連接的概率，從而得到由LSM神經(jīng)元之間有無連接的概率構(gòu)成的連接矩陣；且計(jì)算LSM網(wǎng)絡(luò)的任意兩個(gè)LSM神經(jīng)元之間有無連接的概率的函數(shù)表達(dá)式為：

上式中，P_i,j表示兩個(gè)LSM神經(jīng)元i和j之間有無連接的概率，D(i,j)表示兩個(gè)LSM神經(jīng)元i和j之間的距離，λ、C為控制參數(shù)；

2.3）計(jì)算每一個(gè)粒子的適應(yīng)度，且該適應(yīng)度是指LSM網(wǎng)絡(luò)結(jié)構(gòu)的分類精度；

2.4）根據(jù)適應(yīng)度值更新粒子群算法的參數(shù)、粒子的速度和位置；

2.5）判斷是否達(dá)到預(yù)設(shè)的終止條件，若達(dá)到預(yù)設(shè)的終止條件，則跳轉(zhuǎn)執(zhí)行步驟3）；否則，跳轉(zhuǎn)執(zhí)行步驟2.2）。

2.根據(jù)權(quán)利要求1所述的硬件感知的液體狀態(tài)機(jī)網(wǎng)絡(luò)生成方法，其特征在于，步驟2）中終止條件是指迭代調(diào)整LSM網(wǎng)絡(luò)的次數(shù)達(dá)到指定次數(shù)。

3.根據(jù)權(quán)利要求1所述的硬件感知的液體狀態(tài)機(jī)網(wǎng)絡(luò)生成方法，其特征在于，步驟2）中終止條件是指新的LSM網(wǎng)絡(luò)結(jié)構(gòu)的分類精度達(dá)到預(yù)設(shè)閾值。

4.根據(jù)權(quán)利要求1所述的硬件感知的液體狀態(tài)機(jī)網(wǎng)絡(luò)生成方法，其特征在于，所述LSM網(wǎng)絡(luò)中的LSM神經(jīng)元包含三種突觸：興奮-興奮型突觸、興奮-抑制型突觸、抑制-興奮型突觸，所述控制參數(shù)C包括興奮-興奮型突觸、興奮-抑制型突觸、抑制-興奮型突觸三種突觸對(duì)應(yīng)的控制參數(shù)Cee,Cei,Cie。