[发明专利]神经元模型、拓扑结构、信息处理方法和视网膜神经元

说明书

本发明公开了一种神经元模型、神经元拓扑结构、信息处理方法和视网膜神经元拓扑结构。所述神经元模型，包括：至少两个独立的神经网络单元，每个所述神经网络单元用于处理不同数据格式的信号；其中，在所述神经元模型的各所述神经网络单元中，选通一个神经网络单元。本发明实施例的技术方案优化了现有的神经元模型的结构，实现了在对神经元功能的模拟过程中，对多种数据格式信号进行混合处理，满足了人们日益增长的个性化、便捷化的神经元拓扑结构的构造需求。

技术领域

本发明实施例涉及人工智能技术，尤其涉及一种神经元模型、神经元拓扑结构、信息处理方法和视网膜神经元拓扑结构。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考或规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。

随着人工智能技术的不断发展，涌现出了各种用于模拟人脑中神经元的神经网络单元。例如，ANN(人工神经网络、Artificial Neural Network)单元或者SNN(脉冲神经网络、Spiking Neuron Networks)单元等。

现有技术中，某一种特定类型的神经网络单元仅能处理某一特定数据格式的信号。而人脑在处理某一项复杂处理功能时，例如，视网膜成像等，可能会涉及对多种数据格式的信号进行混合处理。现有技术所提供的各种神经网络单元无法应对上述复杂的数据处理需求。

发明内容

本发明实施例提供了一种神经元模型、神经元拓扑结构、信息处理方法和视网膜神经元拓扑结构，以在对复杂神经元功能的模拟过程中，实现对多种数据格式信号的混合处理。

第一方面，本发明实施例提供了一种神经元模型，该神经元模型包括：至少两个独立的神经网络单元，每个所述神经网络单元用于处理不同数据格式的信号；

其中，在所述神经元模型的各所述神经网络单元中，选通一个神经网络单元。

第二方面，本发明实施例还提供了一种神经元拓扑结构，该神经元拓扑结构包括：第一神经元模型、第二神经元模型和数据格式转换器件；

所述第一神经元模型和所述第二神经元模型通过所述数据格式转换器件相连，所述第一神经元模型和所述第二神经元模型中分别选通不同类型的神经网络单元；

所述数据格式转换器件，用于将所述第一神经元模型所适配的第一数据格式的信号，转换为所述第二神经元模型所适配的第二数据格式的信号；

其中，所述第一神经元模型和所述第二神经元模型为本发明任一实施例所述的神经元模型。

第三方面，本发明实施例还提供了一种信息处理方法，应用于神经元网络中，所述神经元网络由多个如本发明任一实施例所述的神经元模型，按照设定的连接方式组网得到，所述信息处理方法包括：

接收输入至所述神经元网络中的网络输入信号，所述网络输入信号中包括路由选择信息，所述路由选择信息包括：路由神经元模型标识，以及路由神经元模型中选通的神经网络单元标识；

通过每个所述神经元模型，在当前接收的目标输入信号中解析得到路由选择信息；在根据所述路由选择信息确定需要对目标输入信号进行路由时，选通与所述路由选择信息匹配的神经网络单元对所述目标输入信号进行处理，并输出处理结果。

第四方面，本发明实施例还提供了一种视网膜神经元拓扑结构，所述拓扑结构中包括：至少一个视网膜细胞模拟层，每个所述视网膜细胞模拟层中包括多个如本发明任一实施例所述的神经元模型；

所述拓扑结构，用于通过至少一个视网膜细胞模拟层，对输入的多个单一色彩图像信号和多个灰度描述信号进行处理，得到彩色重建信号以及光流重建信号。