[发明专利]人工神经网络

说明书

一种人工神经网络，包括：一输入层，包括多个第一节点；一隐藏层，包括多个第二节点；一输出层，包括多个第三节点，所述隐藏层位于所述输入层以及所述输出层之间；其中，所述隐藏层为三维立体结构，分为沿所述输入层至所述输出层的方向间隔设置的多个平面，所述第二节点分别位于所述平面，所述第一节点与位于最邻近所述输入层的其中一平面的多个第二节点连接，所述第三节点与位于最邻近所述输出层的其中一平面的多个第二节点连接，位于每一平面的所述第二节点相互连接，位于每两个相邻的平面的所述第二节点沿所述平面的排列方向连接，使得至少一第二节点朝位于同一平面的其它第二节点以及所述平面的排列方向具有六个数据传输方向。

技术领域

本发明涉及神经网络模型，特别涉及一种人工神经网络。

背景技术

神经网络是一种模仿生物大脑突触-神经元结构进行数据处理的计算系统，由分为多层的计算节点和层间的连接组成。每个节点模拟一个神经元，执行某个特定运算，例如激活函数，节点之间的连接模拟神经突触，连接对于来自上一层节点输入的加权值代表了突触权重。神经网络具有强大的非线性、自适应信息处理能力。

人工神经网络中的神经元将来自连接输入的累加值用激活函数处理后作为自身的输出。对应于不同的网络拓扑结构、神经元模型和学习规则，人工神经网络又包括感知器、Hopfield网络、波耳兹曼机等数十种网络模型，可以实现多种多样的功能，在模式识别、复杂控制、信号处理和最优化等方面都有应用。

然而，传统的人工神经网络所需的计算量较大，计算效率低。而且，每一节点接收输入后，会向下一层节点提供输出，由于是单方向的信号传递，导致学习效果不强。

发明内容

有鉴于此，有必要提出一种人工神经网络，以解决上述问题。

本发明提供一种人工神经网络，包括：

一输入层，包括多个第一节点；

一隐藏层，包括多个第二节点；以及

一输出层，包括多个第三节点，所述隐藏层位于所述输入层以及所述输出层之间；

其中，所述隐藏层呈现为三维立体结构，分为沿所述输入层至所述输出层的方向间隔设置的多个平面，所述第二节点分别位于所述平面，所述第一节点与位于最邻近所述输入层的其中一平面的多个第二节点连接，所述第三节点与位于最邻近所述输出层的其中一平面的多个第二节点连接，位于每一平面的所述第二节点之间相互连接，位于每两个相邻的平面的所述第二节点沿所述平面的排列方向连接，使得所述隐藏层中的至少一第二节点朝位于同一平面的其它第二节点以及所述平面的排列方向具有至少六个不同的数据传输方向。

对比于传统的人工神经网络，本发明所述人工神经网络的所述隐藏层的节点总连接数远小于传统的人工神经网络的隐藏层的节点总连接数，有利于减少计算量，提高计算效率；再者，由于所述隐藏层中的至少一第二节点可将变换后的数据向至少六个不同的方向传递，从而增强学习效果。

附图说明

图1为本发明一实施方式中的人工神经网络的立体结构示意图。

图2为图1所示的人工神经网络省略输入层和输出层后的立体结构示意。

图3为图1所示的人工神经网络的俯视图。

图4为图1所示的人工神经网络的侧视图。

符号说明

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式