[发明专利]可变神经元兴奋度的神经网络电路结构

权利要求书

1.可变神经元兴奋度的神经网络电路结构，其特征在于：包括神经网络结构和参数接口模块，神经网络结构与参数接口模块相连接；该参数接口模块用来产生一些参数用来包括但不限于的改变某几个输入层神经元到各隐含层神经元之间和隐含层神经元到各输出层神经元之间的权重，但不改变隐含层神经元和输出层神经元的阈值。

2.根据权利要求1所述的可变神经元兴奋度的神经网络电路结构，其特征在于：神经网络结构模块中的神经网络指的是一种包括用VLSI实现的用于模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型；一个经典的神经网络是一个包含三个层次的，即输入层、隐含层和输出层；设计一个神经网络时，输入层与输出层的节点数往往是固定的，中间层则可以自由指定；神经网络结构图中的拓扑与箭头代表着预测过程时数据的流向，跟训练时的数据流有一定的区别；结构图里的关键不是圆圈，而是连接线；每个连接线对应一个不同的权重，这是需要训练得到的；神经网络模块用于神经网络的实现，以及对训练集的处理。

3.根据权利要求1所述的可变神经元兴奋度的神经网络电路结构，其特征在于：参数接口模块内部由主控单元、参数产生部分、时钟模块、COG段码液晶显示部分、按键控制部分及电源模块组成，参数产生部分、时钟模块、COG段码液晶显示部分、按键控制部分及电源模块均与主控单元连接；参数接口模块直接与神经网络模块的网络权重部分直接相连。

4.根据权利要求1所述的可变神经元兴奋度的神经网络电路结构，其特征在于：人工神经网络中，神经元处理单元表示不同的对象，神经网络中处理单元的类型分为三类：输入单元、输出单元和隐单元；输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元；神经元间的连接权值反映了单元间的连接强度，信息的表示和处理体现在网络处理单元的连接关系中；参数接口模块主要是产生一些参数用来包括但不限于的改变某几个输入层神经元到各隐含层神经元之间和隐含层神经元到各输出层神经元之间的权重，但不改变隐含层神经元和输出层神经元的阈值；通过激活函数处理后产生神经元的输出。

5.根据权利要求4所述的可变神经元兴奋度的神经网络电路结构，其特征在于：当参数数值较小时，引起权重变小，体现为神经元兴奋度较弱，导致大脑活性弱；当参数数值较大时，引起权重变大，体现为神经元兴奋度较强，导致大脑活性强。

6.根据权利要求1所述的可变神经元兴奋度的神经网络电路结构，其特征在于：本电路结构的具体步骤如下：

S1.通过训练集对神经网络芯片进行训练，得到训练好的同步神经网络样本；

S2.启动神经网络的参数接口模块，对神经网络中的某几个可变神经元的权值进行改变；通过参数接口模块控制的参数更新得到神经网络可变神经元的传输结果；

S3.把正常的训练集以及经过参数接口改变神经网络可变神经元后的训练集进行比对，得出结果；

此电路结构通过不断的权值更新，能找到一个最佳的权值范围使神经元兴奋度达到最强，而当可变神经元的兴奋度增强时，导致大脑的活性增强，进而使学习速度加快，最终可以提高学习效率。