[发明专利]一种反馈型人工神经网络训练方法及计算系统

摘要

本发明公开了一种反馈型人工神经网络训练方法及计算系统,属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相连，采用一系列脉冲信号实现所述反馈型人工神经网络训练方法。本发明提供的人工神经网络收敛速度快，人工神经网络计算系统控制元件较少，能耗低，可应用于数据挖掘、模式识别、图像识别等方面。

主权项

一种反馈型人工神经网络训练方法，其特征在于，在人工神经网络反馈训练阶段，根据上节点的前馈信号和下节点的反馈信号调整连接该两节点的神经突触权重，具体步骤如下：（1）人工神经网络各节点接收输入信号；（2）人工神经网络各节点根据激励函数对输入信号进行计算；（3）人工神经网络各节点将激励函数计算结果与节点兴奋阈值比较，当计算结果高于或等于节点兴奋阈值时，表明该节点产生神经兴奋，则节点输出兴奋前馈信号和兴奋反馈信号，反之，表明该节点处于静息状态，则节点输出静息前馈信号和静息反馈信号；（4）神经突触接收其上节点的前馈信号和其下节点的反馈信号；（5）当神经突触同时接收到来自上节点的兴奋前馈信号和来自下节点的兴奋反馈信号，表明该上节点与下节点关系紧密，则将突触权重调整到最大值，当神经突触同时接收到来自上节点的静息前馈信号和来自下节点的兴奋反馈信号，表明该上节点与下节点关系松散，则将突触权重调整到最小值。