[发明专利]神经网络信息接收方法和系统

说明书

本发明涉及一种神经网络信息接收方法和系统，所述方法包括：获取神经元信息的接收起始时刻；接收前端神经元输出的前端神经元信息；根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息。由于复合信息包含了时延信息，时延信息的引入极大的丰富了神经元的运行模式，增强了整个神经网络的泛化能力，也使得神经元信息的处理结果，更加仿生。

技术领域

本发明涉及人工神经网络技术领域，特别是涉及神经网络信息接收方法和系统。

背景技术

传统的神经网络研究绝大多数仍是在冯·诺依曼计算机软件并搭配高性能GPU(Graphic Processing Unit通用计算技术)平台中实现的，整个过程的硬件开销、能耗和信息处理速度都不容乐观。为此，近几年神经形态计算领域迅猛发展，即采用硬件电路直接构建神经网络从而模拟大脑的功能，试图实现大规模并行、低能耗、可支撑复杂模式学习的计算平台，并能将神经网络的处理结果，做到更加的仿生。

根据传统的神经网络中的神经信息接收方法计算出的神经元输出信息，与实际的仿生结果，差距过大。

发明内容

基于此，有必要针对传统神经元信息接收方法计算得出的神经元信息与实际仿生结果差距过大的问题，提供一种神经网络信息接收方法和系统，所述方法包括：

获取神经元信息的接收起始时刻；

接收前端神经元输出的前端神经元信息；

根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；

根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息。

在其中一个实施例中，所述根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息，包括：

获取所述接收前端神经元输出的前端神经元信息的接收时刻；

根据所述接收时刻，和所述接收起始时刻，获取未接收到前端神经元信息的持续时长；

将所述持续时长确定为所述前端神经元信息的第一延迟信息。

在其中一个实施例中，所述根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息，还包括：

在所述接收起始时刻，获取与时长相关的物理参数的起始值，所述与时长相关的物理参数，包括参数的变化量与时长相关的物理参数；

在接收到前端神经元信息的时刻，获取所述与时长相关的物理参数的终止值，并根据所述起始值、所述终止值，和物理参数时长变化算法，计算所述与时长相关的物理参数的变化时长；

将所述与时长相关的物理参数的变化时长确定为所述前端神经元信息的第二延迟信息。

在其中一个实施例中，所述接收前端神经元输出的前端神经元信息，包括：

接收前端人工神经元输出的前端人工神经元信息，或接收前端脉冲神经元输出的前端脉冲神经元信息。

在其中一个实施例中，所述根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息，包括：

将所述前端神经元信息和所述延迟信息进行累加，确定所述前端神经元的第一复合信息。

在其中一个实施例中，所述根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息，还包括：

将所述前端神经元信息和所述延迟信息相乘，确定所述前端神经元的第二复合信息。