神经网络信息接收方法和系统技术方案

本发明专利技术涉及一种神经网络信息接收方法和系统，所述方法包括：获取神经元信息的接收起始时刻；接收前端神经元输出的前端神经元信息；根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息。由于复合信息包含了时延信息，时延信息的引入极大的丰富了神经元的运行模式，增强了整个神经网络的泛化能力，也使得神经元信息的处理结果，更加仿生。

Neural network information receiving method and system

The invention relates to a neural network information receiving method and system, wherein the method comprises: receiving the initial time of obtaining neuronal information; front-end neurons information receiving front end of the output neurons; according to the received initial time, the front end of neuronal information and delay algorithm, delay information to obtain the information according to the front end of neurons; the front end of neuron information, the delay information, determining the complex information output to the front end of neurons. The composite information includes delay information, delay information into greatly enriched the operation mode of neurons, enhance the generalization ability of neural network, but also makes the processing results of neuronal information, more bionic.

【技术实现步骤摘要】
神经网络信息接收方法和系统
本专利技术涉及人工神经网络
，特别是涉及神经网络信息接收方法和系统。
技术介绍
传统的神经网络研究绝大多数仍是在冯·诺依曼计算机软件并搭配高性能GPU(GraphicProcessingUnit通用计算技术)平台中实现的，整个过程的硬件开销、能耗和信息处理速度都不容乐观。为此，近几年神经形态计算领域迅猛发展，即采用硬件电路直接构建神经网络从而模拟大脑的功能，试图实现大规模并行、低能耗、可支撑复杂模式学习的计算平台，并能将神经网络的处理结果，做到更加的仿生。根据传统的神经网络中的神经信息接收方法计算出的神经元输出信息，与实际的仿生结果，差距过大。
技术实现思路
基于此，有必要针对传统神经元信息接收方法计算得出的神经元信息与实际仿生结果差距过大的问题，提供一种神经网络信息接收方法和系统，所述方法包括：获取神经元信息的接收起始时刻；接收前端神经元输出的前端神经元信息；根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息。在其中一个实施例中，所述根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息，包括：获取所述接收前端神经元输出的前端神经元信息的接收时刻；根据所述接收时刻，和所述接收起始时刻，获取未接收到前端神经元信息的持续时长；将所述持续时长确定为所述前端神经元信息的第一延迟信息。在其中一个实施例中，所述根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息，还包括：在所述接收起始时刻，获取与时长相关的物理参数的起始值，所述与时长相关的物理参数，包括参数的变化量与时长相关的物理参数；在接收到前端神经元信息的时刻，获取所述与时长相关的物理参数的终止值，并根据所述起始值、所述终止值，和物理参数时长变化算法，计算所述与时长相关的物理参数的变化时长；将所述与时长相关的物理参数的变化时长确定为所述前端神经元信息的第二延迟信息。在其中一个实施例中，所述接收前端神经元输出的前端神经元信息，包括：接收前端人工神经元输出的前端人工神经元信息，或接收前端脉冲神经元输出的前端脉冲神经元信息。在其中一个实施例中，所述根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息，包括：将所述前端神经元信息和所述延迟信息进行累加，确定所述前端神经元的第一复合信息。在其中一个实施例中，所述根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息，还包括：将所述前端神经元信息和所述延迟信息相乘，确定所述前端神经元的第二复合信息。在其中一个实施例中，确定神经元信息的接收起始时刻，然后接收前端神经元输出的前端神经元信息，并根据所述接收起始时刻、所述前端神经元信息和预设的延迟算法，获取接收到前端神经元信息的接收起始时刻之后到接收到前端神经元信息的延迟信息，并将所述延迟信息和接收到的前端神经元信息进行逻辑计算，确定所述前端神经元输出的复合信息。由于复合信息包含了时延信息，时延信息的引入极大的丰富了神经元的运行模式，增强了整个神经网络的泛化能力，也使得神经元信息的处理结果，更加仿生。在其中一个实施例中，采用直接计时的方法，将所述接收起始时刻确定为起始时刻、将接收到前端神经元信息的时刻确定为终止时刻，获取未接收到前端神经元信息的持续时长，并将所述持续时长作为延迟信息。本实施例采用了直接计时的方法获取延迟信息，实现方式简单直接，可在提高神经元信息的仿生度的同时，降低神经网络的实施成本。在其中一个实施例中，采用计量与时长相关的物理参数的变化量的方法，将所述接收起始时刻，记录所述与时长相关的物理参数的起始值，在接收到所述前端神经元信息的时刻，记录所述与时长相关的物理参数的终止值，再根据所述起始值、所述终止值，和物理参数时长变化算法，计算所述与时长相关的物理参数的变化时长，将所述变化时长确定为所述前端神经元信息的延迟信息。本实施例采用了物理参数的变化量的测量方法，可选的实现方式多样，测量结果稳定可靠，在提高神经元信息的仿生度的同时，降低神经网络的实施成本。在其中一个实施例中，可以在人工神经网络中，也可以在脉冲神经网络中，采用本实施例的神经网络信息接收方法，使用范围广泛，提高了人工神经网络信息或脉冲神经网络的信息处理结果的仿生度。在其中一个实施例中，将所述前端神经元信息和所述延迟信息进行累加，确定所述前端神经元的第一复合信息，累加得出的第一复合信息，相当于在神经网络中加入了初始偏置量，实现了神经网络运行过程中的动态调节发放阈值，提高了神经网络信息处理结果的仿生度。在其中一个实施例中，将所述前端神经元信息和所述延迟信息相乘，确定所述前端神经元的第二复合信息，相乘后获取的前端神经元信息相当于在神经网络中加入了缩放因子，调节神经元的敏感度，使神经网络能兼容低精度大范围和高精度小范围的不同的应用领域，并在不同的应用领域中，提高神经网络信息处理结果的仿生度。本专利技术还提供一种神经网络信息接收系统，包括：接收起始时刻获取模块，用于获取神经元信息的接收起始时刻；前端神经元信息接收模块，用于接收前端神经元输出的前端神经元信息；延迟信息计算模块，用于根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；复合信息获取模块，用于根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息。在其中一个实施例中，所述延迟信息计算模块，包括：终止时刻确定单元，用于获取所述接收前端神经元输出的前端神经元信息的接收时刻；持续时长获取单元，用于根据所述接收时刻，和所述接收起始时刻，获取未接收到前端神经元信息的持续时长；第一延迟信息确定单元，用于将所述持续时长确定为所述前端神经元信息的第一延迟信息。在其中一个实施例中，所述延迟信息计算模块，还包括：物理参数起始值获取单元，用于在所述接收起始时刻，获取与时长相关的物理参数的起始值，所述与时长相关的物理参数，包括参数的变化量与时长相关的物理参数；物理参数终止值获取单元，用于在接收到前端神经元信息的时刻，获取所述与时长相关的物理参数的终止值；物理参数变化时长获取单元，用于根据所述起始值、所述终止值，和物理参数时长变化算法，计算所述与时长相关的物理参数的变化时长；第二延迟信息确定单元，用于将所述与时长相关的物理参数的变化时长确定为所述前端神经元信息的第二延迟信息。在其中一个实施例中，所述前端神经元信息接收模块：用于接收前端人工神经元输出的前端人工神经元信息，或接收前端脉冲神经元输出的前端脉冲神经元信息。在其中一个实施例中，所述复合信息获取模块，包括：第一复合信息获取单元，用于将所述前端神经元信息和所述延迟信息进行累加，确定所述前端神经元的第一复合信息。在其中一个实施例中，所述复合信息获取模块，还包括：第二复合信息获取单元，用于将所述前端神经元信息和所述延迟信息相乘，确定所述前端神经元的第二复合信息。在其中一个实施例中，确定神经元信息的接收起始时刻，然后接收前端神经元输出的前端神经元信息，并根据所述接收起始时刻、所述前端神经元信息和预设的延迟算法，获取接收到前端神经元信息的接收起始时刻之后本文档来自技高网...

【技术保护点】
一种神经网络信息接收方法，其特征在于，所述方法包括：获取神经元信息的接收起始时刻；接收前端神经元输出的前端神经元信息；根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；根据所述前端神经元信息和所述延迟信息确定所述前端神经元输出的复合信息。

【技术特征摘要】
1.一种神经网络信息接收方法，其特征在于，所述方法包括：获取神经元信息的接收起始时刻；接收前端神经元输出的前端神经元信息；根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息；根据所述前端神经元信息和所述延迟信息确定所述前端神经元输出的复合信息。2.根据权利要求1所述的神经网络信息接收方法，其特征在于，所述根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息，包括：获取所述接收前端神经元输出的前端神经元信息的接收时刻；根据所述接收时刻，和所述接收起始时刻，获取未接收到前端神经元信息的持续时长；将所述持续时长确定为所述前端神经元信息的第一延迟信息。3.根据权利要求1所述的神经网络信息接收方法，其特征在于，所述根据所述接收起始时刻，所述前端神经元信息和延迟算法，获取所述前端神经元信息的延迟信息，还包括：在所述接收起始时刻，获取与时长相关的物理参数的起始值，所述与时长相关的物理参数，包括参数的变化量与时长相关的物理参数；在接收到前端神经元信息的时刻，获取所述与时长相关的物理参数的终止值，并根据所述起始值、所述终止值和物理参数时长变化算法，计算所述与时长相关的物理参数的变化时长；将所述与时长相关的物理参数的变化时长确定为所述前端神经元信息的第二延迟信息。4.根据权利要求1所述的神经网络信息接收方法，其特征在于，所述接收前端神经元输出的前端神经元信息，包括：接收前端人工神经元输出的前端人工神经元信息，或接收前端脉冲神经元输出的前端脉冲神经元信息。5.根据权利要求1所述的神经网络信息接收方法，其特征在于，所述根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息，包括：将所述前端神经元信息和所述延迟信息进行累加，确定所述前端神经元的第一复合信息。6.根据权利要求1所述的神经网络信息接收方法，其特征在于，所述根据所述前端神经元信息、所述延迟信息，确定所述前端神经元输出的复合信息，还包括：将所述前端神经元信息和所述延迟信息相乘，确定所述前端神经元的第二复合信息。7.一种神经网络信息接收系统，其特征...

【专利技术属性】
技术研发人员：施路平，吴双，裴京，李国齐，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11