[发明专利]用于共享交叉流事件检测的方法及设备

说明书

跨越具有显著随机内容的尖峰神经网络数据流识别共享事件。所述数据流首先经受交叉相关。如果两个数据流是完全不相关的，那么交叉流尖峰对的出现速率跨越所有事件间时间是大约均匀的“r_ind”。任何共享事件形成梯度，其中针对任何TBE的辨别时间，r_ind增大到速率“r_shr”。可利用经推测TOD来完成对实际TOD的搜索。针对指数衰减测试TOD_c，其中所述指数衰减的速率设定为经推测r_ind。当r_ind_c＝实际r_ind时，指数衰减的相等值范围表示相等概率。产生TOD_c及r_ind的值，直到发现其中概率上相等的区域接收统计上相等数目的交叉流事件的组合为止。接着知晓TOD_a.TOD_c。

本专利主张以全文引用方式并入本文中的以下美国专利申请案的申请日期的权益：

发明人为大卫·卡尔·巴顿(David Carl Barton)且申请案号为62/856,142的2019年6月2日提出申请的“用于共享交叉流事件检测的方法及设备(Method andApparatus for Shared Cross-Stream Event Detection)”。

本专利以全文引用的方式并入以下专利申请案：

发明人为大卫·卡尔·巴顿且申请案号为62/819,590的2019年3月17日提出申请的美国专利申请案“用于交叉相关的方法及设备(Method and Apparatus for CrossCorrelation)”；及

发明人为大卫·卡尔·巴顿且申请案号为PCT/US2020/022869的2020年3月15日提出申请的PCT国际申请案“用于交叉相关的方法及设备”。

技术领域

本发明一般来说涉及检测跨越多个数据流出现的共享事件，且更特定来说，涉及跨越具有显著随机内容的数据流检测共享事件。

背景技术

实现信号(或数据)流之间的同步(或交叉相关)的重要性在许多技术领域中众所周知，包含(但不限于)信号处理及计算机网络。举例来说，在信号处理中，交叉相关通常用于在各种应用中找出信号流之间的相对延迟。在两个信号流经受交叉相关之后，具有其同步的程度度量可为有用的。

因此，存在对信号流之间的相关的较佳度量的需要。

附图说明

并入于此说明书中且构成此说明书的一部分的附图图解说明本发明的数个实施例且连同说明一起用于解释本发明的原理：

图1描绘多流交叉相关器在尖峰神经网络领域中的实例应用情境。

图2是针对图1的每一CCU的实例内部结构的功能框图。

图3描绘学习延迟的功能性实施方案，所述学习延迟使用存在于其F.O.R._d输入处的每一对尖峰作为参考系来分析出现在学习延迟的其它输入处的任何尖峰。

图4描绘基于Python编程语言的学习延迟的实例伪编码实施方案。

图5到7描绘学习延迟的实例电实施方案。

图8是图2的CCU的功能框图，惟将解决冲突块添加到产生延迟的无存储器版本除外。

图9描绘通过将指数衰减曲线与阈值检测相结合来实施产生延迟的实例。

图10呈现用于实施结合图8针对功能块0220所论述的产生延迟功能性的电路系统。

图11描绘与图8中所展示相同的CCU，惟添加“学习速率全部”(或LRA)功能块0223除外。

图12描绘在已知实际MEA_ALL的情况下尖峰的实例分布。

图13描绘在对MEA_ALL的值的猜测(称之为MEA_guess)太高的情况下尖峰的实例分布。