[发明专利]一种神经网络生成方法与装置

说明书

本发明提供了一种神经网络生成方法与装置，包括：获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经元聚类数得到基础神经元；根据预设生成规则以所述基础神经元为聚类中心生成神经网络，所述神经网络中神经元的个数与所述神经元总数相同，所述神经网络中每个神经元与其相邻的神经元均双向互联，所述神经网络中每个神经元以预设概率与自身连接；设置与所述神经网络连接的输入节点和输出节点。本发明生成的神经网络能够自聚类，内部的动力学特性能够增强，并且神经元之间的耦合度较低，其连接结构相较于现有技术得到的神经网络与生物学网络更为近似。

技术领域

本发明涉及数据处理领域，尤其涉及一种神经网络生成方法与装置。

背景技术

神经网络的构建是基于神经网络应用的前提，近十年来，模拟生物神经网络的类生物神经网络系统在辨识、决断和预测等领域均有卓越的表现。类生物神经网络通过模拟生物神经网络而具备较好的智能性和自适应性，但是通常神经网络中个神经元的完全随机连接导致了神经网络内部的耦合度高，动力学特性不足，从而导致了神经网络的自适应性难移提高并且输出误差难移减小。

发明内容

为了解决上述技术问题，本发明提出了一种神经网络生成方法与装置。本发明具体是以如下技术方案实现的：

一种神经网络生成方法，包括：

获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；

根据所述神经元聚类数得到基础神经元；

根据预设生成规则以所述基础神经元为聚类中心生成神经网络，所述神经网络中神经元的个数与所述神经元总数相同，所述神经网络中每个神经元与其相邻的神经元均双向互联，所述神经网络中每个神经元以预设概率与自身连接；

设置与所述神经网络连接的输入节点和输出节点。

进一步地，所述所述神经元聚类数得到基础神经元包括：

获取矩形布局图的左上角边界A和右下角边界B；

连接所述左上角边界A和右下角边界B得到斜对角线；

对所述斜对角线进行N等分，其中N即为神经元聚类数，等分点即为基础神经元。

进一步地，所述所述根据预设生成规则以所述基础神经元为聚类中心生成神经网络包括：

在所述矩形布局图内随机生成新增神经元，并将所述新增神经元p_new主动与其周围的已存在神经元p_i按照某种概率进行连接；

同时其周围的已存在神经元p_i按照所述概率主动与新增神经元p_new连接，

判断所述新增神经元p_new是否与至少一个所述已存在神经元pⁱ生成双向互连，若是，则保留所述新增神经元，所述新增神经元成为已存在神经元；若否，则删除所述新增神经元。

进一步地，新增神经元与其附近神经元的连接概率与距离负相关。

进一步地，所述概率按照P(new,i)＝κe^-μd(new,i)计算而得，其中κ,μ分别为神经元密集程度参数和分布空间大小参数，d(new,i)为新增神经元与已存在神经元之间的欧氏距离。

一种神经网络生成装置，包括：

参数获取模块，用于获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；

基础神经元获取模块，用于根据所述神经元聚类数得到基础神经元；