[发明专利]基于情景信号类前额叶网络的信息处理方法、系统、装置

权利要求书

1.一种基于情景信号类前额叶网络的信息处理方法，其特征在于，包括：

步骤S10，基于获取信息选择特征向量提取器进行特征提取，得到信息特征向量；

步骤S20，将所述信息特征向量输入类前额叶网络，与所输入的情景信号集中每一个情景信号进行维度匹配，获得情景特征向量，构成情景特征向量集；

步骤S30，将情景特征向量集中各特征向量通过预先构建的特征向量分类器分类获得各特征向量分类信息，构成分类信息集；所述特征向量分类器为情景特征向量和分类信息的映射网络。

2.根据权利要求1所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，步骤S10中“选择特征向量提取器”，其方法为：

基于预设的特征向量提取器库，依据获取信息的类别选择对应的特征向量提取器。

3.根据权利要求2所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，所述特征向量提取器，其构建方法为：

基于训练数据集，采用Adam算法迭代地更新特征向量提取网络中参数的权重；所述特征向量提取网络基于深度神经网络构建；

将训练后的特征提取网络最后的分类层去除后的网络作为特征向量提取器。

4.根据权利要求1所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，步骤S20中“将所述信息特征向量输入类前额叶网络，与所输入的情景信号集中每一个情景信号进行维度匹配，获得情景特征向量”，其步骤为：

步骤S201，基于情景信号及类前额叶网络构建权重矩阵，并对该权重矩阵每一列进行模归一化；

其中，Wⁱⁿ为权重矩阵，为的归一化的模，i为隐藏层的维度索引，k为输入特征的维度，m为隐藏层的维度；

步骤S202，基于权重矩阵，将情景信号与信息特征向量进行维度匹配，获得情景特征向量；

Y^out＝g([c₁cosθ₁,c₂cosθ₂,…,c_mcosθ_m]^T)||F||

其中，Y^out为情景特征向量，F为信息特征向量，C为情景信号，⊙代表向量对应元素相乘；θ_m是和F之间的角度，g＝max(0,x)；Wⁱⁿ为权重矩阵，

步骤S203，所述情景信号集中每一个情景信号与输入信息特征向量进行维度匹配后获得的情景特征向量构成情景特征向量集。

5.根据权利要求1所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，步骤S30中所述特征向量分类器基于下式构建：

Y^Lable＝(W^out)^TY^out＝||W^out||||F||cosφ

其中，Y^Lable为分类信息，W^out为分类器的分类权重，Y^out为类前额叶网络输出的特征，n为类前额叶网络输出权重的维度，F为信息特征向量。

6.根据权利要求2所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，所述Adam算法，其参数配置为：

Adam算法的学习率为0.1，权重衰减率为0.0001，每个批次的训练样本数为256。

7.根据权利要求3所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，所述情景信号为对应分类属性的多维词向量；所述词向量维度为200维。

8.根据权利要求6所述的基于情景信号类前额叶网络的信息处理方法，其特征在于，所述权重矩阵Wⁱⁿ为：

基于词向量的维度以及类前额前层的维度，构建的词向量维度×类前额叶维度大小的矩阵。