[发明专利]基于信息感知神经网络的构建方法及装置

说明书

技术领域

本发明涉及人工智能的技术领域，尤其是涉及一种基于信息感知神经网络的构建方法及装置。

背景技术

人工神经网络(Artificial Neural Network，即ANN)，是从信息处理角度对人脑神经元网络进行抽象，建立特定的模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络由三个组成部分。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。

从1950年代起，科学家就已经注意到大脑海马区与记忆间的关系。英国莱斯特大学科学家最新发现，海马体中的单个脑细胞，在形成新的联想记忆中发挥着重要作用。“海马区的神经细胞是如何把信息固定下来的”这个技术问题一直没能解决。现有神经网络没有通用学习能力，没有自主构建样本、匹配样本、样本联想和重构样本的能力。导致该技术缺陷的根本原因是现有神经网络的信息存储虽然分散到了各个神经元，却依旧沿用冯诺伊曼体系结构的存储方法来实现，而非采用生物神经网络的信息存储方法。

现有的人工神经网络有两个基石：一是用足够多的特征样本来表征知识；二是通过映射变换让输入尽量逼近一个输出函数。人类的视网膜有超过1亿个感光神经元。假如每个感光神经元只输出0和1两种信息，视觉神经中枢系统输入信息的组合数就超过2^100000000种，而全宇宙的质子数才不过10^79个。不管知识库多么庞大，都是无法穷举人类所能看到的可能。数学是对现实的逼近，现有人工神经网络却想让现实逼近数学。

因此，冯诺伊曼体系结构和算法是现有人工神经网络无法突破强人工智能的最大枷锁。

发明内容

有鉴于此，本发明的目的在于提供一种基于信息感知神经网络的构建方法及装置，以缓解了现有的神经网络算法具有一定局限的技术问题。

第一方面，本发明实施例提供了一种基于信息感知神经网络的构建方法，所述神经网络包括元样本感知区和样本感知区，所述元样本感知区包括传感神经元集群和感知神经元集群，所述样本感知区包括组样神经元集群和样本神经元集群，所述传感神经元集群包括至少一个传感神经元，所述感知神经元集群包括至少一个感知神经元，所述组样神经元集群包括至少一个组样神经元，所述样本神经元集群包括至少一个样本神经元，所述方法包括：构建每个感官所属的多个元刺激感受区，每个所述感官所属的元刺激值域，每个所述感官所属的元感受值域，每个所述元感知野所属的元表征值域，所述元刺激感受区所属的元刺激值域中包括至少两种信息：维度信息和位置信息；构建所述多个元刺激感受区中每个元刺激感受区所属的元感知野和所述元感知野所属的至少一个传感神经元，其中，所述传感神经元用于将外界刺激信号转换成电位信息；构建多个感知神经元集群，以及构建所述多个感知神经元集群所属的感知神经元，所述感知神经元用于将所述电位信息转换成元表征信息；建立每个所述感知神经元集群与对应的元感知野中的传感神经元之间的突触连接，其中，所述感知神经元集群用于接收所述元感知野中的传感神经元投射的信息；构建样本感知区，其中，所述样本感知区包括组样神经元集群和样本神经元集群，其中，所述组样神经元集群中组样神经元与对应的感知神经元之间的突触连接，在初始化或者运行所述神经网络时所述样本神经元集群与所述组样神经元集群之间的突触建立连接，所述对应的感知神经元为位于所述组样神经元集群所属的感知野中的感知神经元，其中，在初始化或者运行所述神经网络时，所述组样神经元与所述样本神经元之间通过建立可塑性突触连接来存储所述元表征信息进行组合，所述样本神经元根据其存储的所述元表征信息组合对所述组样神经元集群中产生的元表征信息进行感知，从而得到感知结果。

第二方面，本发明实施例还提供一种基于信息感知神经网络的构建装置，所述神经网络包括元样本感知区和样本感知区，所述元样本感知区包括传感神经元集群和感知神经元集群，所述样本感知区包括组样神经元集群和样本神经元集群，所述传感神经元集群包括至少一个传感神经元，所述感知神经元集群包括至少一个感知神经元，所述组样神经元集群包括至少一个组样神经元，所述样本神经元集群包括至少一个样本神经元，所述装置包括：