[發(fā)明專(zhuān)利]一種脈沖神經(jīng)網(wǎng)絡(luò)映射方法在審
| 申請(qǐng)?zhí)枺?/td> | 202111024732.0 | 申請(qǐng)日: | 2021-09-02 |
| 公開(kāi)(公告)號(hào): | CN113900795A | 公開(kāi)(公告)日: | 2022-01-07 |
| 發(fā)明(設(shè)計(jì))人: | 黃漪婧;吳志剛;戴靠山;吳建軍;沈偉;廖光明;衛(wèi)軍名;周林;楊斌;張丁凡;張輝;周成剛;魏莞月;向光明;童波;朱瑞蒙 | 申請(qǐng)(專(zhuān)利權(quán))人: | 四川晟錦匯科技有限公司 |
| 主分類(lèi)號(hào): | G06F9/50 | 分類(lèi)號(hào): | G06F9/50;G06N3/04;G06N3/063;G06N3/08 |
| 代理公司: | 北京喆翙知識(shí)產(chǎn)權(quán)代理有限公司 11616 | 代理人: | 朱學(xué)繪 |
| 地址: | 610000 四川省成都*** | 國(guó)省代碼: | 四川;51 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 脈沖 神經(jīng)網(wǎng)絡(luò) 映射 方法 | ||
1.一種脈沖神經(jīng)網(wǎng)絡(luò)映射方法,包括一種針對(duì)多對(duì)一拓?fù)溆成鋱?chǎng)景下改進(jìn)的蟻群算法,其特征在于:所述針對(duì)多對(duì)一拓?fù)溆成鋱?chǎng)景下改進(jìn)的蟻群算法定義映射算法為:
nodeidx=ω(neuronidx)
即,給定神經(jīng)元的索引,經(jīng)過(guò)映射算法,得出其部署的節(jié)點(diǎn)索引。優(yōu)化的目標(biāo)是平均跳數(shù),目標(biāo)函數(shù)如下:
其中,C(v)是神經(jīng)元v發(fā)出的脈沖所需要的所有轉(zhuǎn)發(fā)次數(shù),需要注意的是由于通信模式選擇為多播,因而如果多個(gè)目標(biāo)節(jié)點(diǎn)在同一個(gè)轉(zhuǎn)發(fā)方向時(shí)只需要一次轉(zhuǎn)發(fā)即可,p(v)指的是神經(jīng)元v產(chǎn)生脈沖占所有神經(jīng)元脈沖的比例,在隨機(jī)的情況下,可以認(rèn)為所有神經(jīng)元的比例相同。
2.根據(jù)權(quán)利要求1所述的一種脈沖神經(jīng)網(wǎng)絡(luò)映射方法,其特征在于:初始化,啟發(fā)信息的定義如下:
即,神經(jīng)元vi映射到節(jié)點(diǎn)rj的啟發(fā)信息由神經(jīng)元的重要程度和節(jié)點(diǎn)的中心程度決定,其中,神經(jīng)元的重要程度importance(i)為與它連接的神經(jīng)元個(gè)數(shù)。
importance(i)=Fanin(i)+Fanout(i)
節(jié)點(diǎn)的中心程度由它與其余節(jié)點(diǎn)的曼哈頓距離決定。
節(jié)點(diǎn)的中心程度為它距離其他節(jié)點(diǎn)的曼哈頓距離之和,這一值反映節(jié)點(diǎn)的通信能力,曼哈頓距離之和越小,節(jié)點(diǎn)的中心程度越高,意味著節(jié)點(diǎn)的通信能力越強(qiáng),從而在沒(méi)有其他因素的情況下,神經(jīng)元更應(yīng)該部署在中心程度高的節(jié)點(diǎn)上,神經(jīng)元的輸出連接的神經(jīng)元越多,說(shuō)明神經(jīng)元的通信壓力越大,所以更應(yīng)該將其放在中心程度高的節(jié)點(diǎn)上,所以,啟發(fā)信息應(yīng)當(dāng)與神經(jīng)元的重要程度呈正比,與其中心程度呈反比,這樣使得通信壓力大的神經(jīng)元部署在通信能力強(qiáng)的節(jié)點(diǎn)上的可能性更大。
3.根據(jù)權(quán)利要求1所述的一種脈沖神經(jīng)網(wǎng)絡(luò)映射方法,其特征在于:解構(gòu)建,在傳統(tǒng)蟻群算法中,第t次迭代中,第k只螞蟻將神經(jīng)元vi映射到節(jié)點(diǎn)rj的概率為:
上式中,τi,j(t)是第t次循環(huán)時(shí),Rj(t)是第t次循環(huán)時(shí)節(jié)點(diǎn)rj的占用率,神經(jīng)元vi映射到節(jié)點(diǎn)rj的歸一化信息素濃度,本文最上述決策概率進(jìn)行了改進(jìn),
相對(duì)于傳統(tǒng)的蟻群算法,在概率中增加了Rj(t),代表第t次循環(huán)時(shí)節(jié)點(diǎn)rj的占用率,即更傾向于將神經(jīng)元部署在占用率高的節(jié)點(diǎn)上,將不同的神經(jīng)元部署在同一節(jié)點(diǎn)上直接避免了它們之間的通信量,當(dāng)占用率為0時(shí),Rj(t)被置為與部署一個(gè)神經(jīng)元相同。
α和β是衡量?jī)烧叩臋?quán)重,α取值越大,則螞蟻選擇走信息素濃度高的路徑的可能性就越大,即選擇之前嘗試過(guò)的路徑的可能性越大,從而搜索的隨機(jī)性降低了,β取值越大,蟻群更容易選擇局部較短的路徑,能夠加快收斂速度,但是更容易陷入局部最優(yōu)。
allow是當(dāng)前還可以進(jìn)行神經(jīng)元部署的節(jié)點(diǎn)集合,因?yàn)楣?jié)點(diǎn)的容量有限,因而隨著神經(jīng)元的部署過(guò)程,部分節(jié)點(diǎn)會(huì)被裝滿(mǎn),因而只能選擇沒(méi)有滿(mǎn)的節(jié)點(diǎn)。
4.根據(jù)權(quán)利要求1所述的一種脈沖神經(jīng)網(wǎng)絡(luò)映射方法,其特征在于:信息素的更新規(guī)則如下:
其中,p是衰減因子,自然狀態(tài)下,螞蟻留下的信息素會(huì)隨時(shí)間衰減,q是放大倍數(shù),若將神經(jīng)元vi映射到節(jié)點(diǎn)rj這一映射在本次迭代所有螞蟻的最小成本映射方式中,則對(duì)應(yīng)的信息素放大q倍。
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于四川晟錦匯科技有限公司,未經(jīng)四川晟錦匯科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111024732.0/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 同類(lèi)專(zhuān)利
- 專(zhuān)利分類(lèi)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
- 一種數(shù)據(jù)庫(kù)讀寫(xiě)分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測(cè)試終端的測(cè)試方法
- 一種服裝用人體測(cè)量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測(cè)程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





