[发明专利]基于动态神经元的开放环境模式识别方法

权利要求书

1.一种基于动态神经元的开放环境模式识别方法，其特征在于，步骤包括：

将结构发育型神经网络进行初始化配置并为其中的神经元设置信息饱和度的属性，构建形成所需的结构发育型神经网络模型；

获取待识别图像或文本数据流输入至所述结构发育型神经网络模型中进行学习以及分类，输出分类结果，其中所述结构发育型神经网络在结构发育与参数调整时，根据获胜神经元的信息饱和度调控神经元参数以及分裂时机，并不断调整竞争获胜神经元的信息饱和度，所述信息饱和度根据神经元获胜频次以及信息承载量计算得到，当神经元的所述信息饱和度达到预设饱和阈值时分裂出新的神经元。

2.根据权利要求1所述的基于动态神经元的开放环境模式识别方法，其特征在于，所述结构发育型神经网络为包括输入层和竞争层的SDNNIS，所述输入层用于传递样本特征，所述竞争层接收到所述输入层传入的样本特征后，进行神经元的覆盖域检测，即只有覆盖输入样本的局部神经元发生响应；进入竞争学习阶段时，即发生响应的神经元之间相互竞争，激活响应值最大的神经元，即得到获胜神经元，更新获胜神经元的所述信息饱和度，如果所述信息饱和度未达到饱和，则将对应神经元进行中心权向量的调整，输出获胜神经元的索引；如果所述信息饱和度达到饱和，则对应神经元分裂生成新的神经元，输出新神经元的索引；根据网络的输出、对应神经元所在的聚类数层数以及聚类层参数给当前输入样本附上标签，完成聚类。

3.根据权利要求2所述的基于动态神经元的开放环境模式识别方法，其特征在于，所述进行神经元的覆盖域检测时，如果输入信号x_i与神经元n_j的中心矢量μ_j之间的距离d(x_i,μ_j)≤r_j，则判定输入信号x_i有被神经元n_j表示的可能性，神经元n_j发生响应；如果输入数据流没有落入任何一个神经元的覆盖域中，即当前输出层没有能够表示该输入的神经元，直接以当前输入信号为中心矢量生成一个新的神经元。

4.根据权利要求3所述基于动态神经元的开放环境模式识别方法，其特征在于，所述将新生成神经元进行初始化配置时，将新神经元n_j的覆盖域参数σ_j和覆盖域半径r_j具体设置为：

σ_j＝d(μ_j,μ_p)/3

r_j＝3σ_j

其中，μ_j为神经元n_j的中心矢量，μ_p为神经元n_j的父元的中心矢量，d()为距离函数。

5.根据权利要求2所述的基于动态神经元的开放环境模式识别方法，其特征在于，采用高斯型函数作为结构发育型神经网络中神经元的响应函数，即如果新增输入信号x_i落在了神经元n_j的覆盖域内，则神经元n_j对输入信号x_i的响应为：

其中，μ_j为高斯型函数的均值且为神经元n_j的中心矢量，σ_j为神经元n_j的覆盖域参数，d()为计算输入信号与神经元中心矢量的距离函数。

6.根据权利要求5所述的基于动态神经元的开放环境模式识别方法，其特征在于，所述竞争学习阶段时，局部响应最大的神经元获胜，按照下式得到获胜神经元的下标k：

其中，IdR_i是覆盖域涵盖输入信号x_i的神经元的下标集合。