用于神经网络的方法和执行该方法的设备技术

提供一种用于神经网络的方法和执行该方法的设备。提供一种用于操作人工神经元的方法和一种用于执行所述方法的设备。人工神经元可基于经由输入突触接收的输入信号来计算激活的改变量，响应于计算出的激活的改变量来确定新的事件是否发生，并响应于所述事件的发生将与所述事件相应的输出信号发送到输出突触。

A method for a neural network and a device for the execution of the method

A method for a neural network and a device for executing the method are provided. A method for operating an artificial neuron and a device for executing the method are provided. Artificial neurons can change through the input signal input to calculate the received synaptic activation based on, to determine whether the new events change in activation of the calculated response, and response to the event and the event will be the corresponding output signal sent to the output synapses.

【技术实现步骤摘要】
用于神经网络的方法和执行该方法的设备本申请要求于2016年7月13日提交到美国专利商标局的第62/361,626号美国临时申请和于2016年12月2日提交到美国专利商标局的第62/429,146号美国临时申请的权益，并且要求于2016年9月2日提交到韩国知识产权局的第10-2016-0113039号韩国专利申请和于2017年4月26日提交到韩国知识产权局的第10-2017-0053543号韩国专利申请的优先权，这些申请的公开通过各自整体引用全部包含于此。
与示例性实施例一致的方法和设备涉及一种用于操作人工神经元的方法和设备。
技术介绍
为了解决复杂的问题或引起未知危害的问题，将人类识别方法应用于装置的研究正在进行。一种这样的研究属于基于人类生物神经细胞的神经网络模型。神经网络采用模拟人类的学习能力的算法。神经网络可通过学习来执行输入模式与输出模式之间的映射。此外，基于学习的结果，神经网络可归纳未用于学习的剩余的输入模式以产生相对准确的输出结果。
技术实现思路
示例性实施例可至少解决以上提到的问题和/或以上未提到的其他问题。此外，示例性实施例不要求克服以上提到的问题，示例性实施例可不克服以本文档来自技高网...

【技术保护点】
一种通过使用神经网络可执行的方法，所述方法包括：基于人工神经元的先前激活和经由人工神经元的输入突触接收的输入信号，确定人工神经元的当前激活；基于确定的当前激活和与由于人工神经元先前已发生的事件相应的第二激活，确定第一激活的改变量；基于第一阈值和确定的第一激活的改变量，确定新的事件是否发生；响应于新的事件的发生，将与新的事件相应的输出信号发送到输出突触。

【技术特征摘要】
2016.09.02 KR 10-2016-0113039;2017.04.26 KR 10-2011.一种通过使用神经网络可执行的方法，所述方法包括：基于人工神经元的先前激活和经由人工神经元的输入突触接收的输入信号，确定人工神经元的当前激活；基于确定的当前激活和与由于人工神经元先前已发生的事件相应的第二激活，确定第一激活的改变量；基于第一阈值和确定的第一激活的改变量，确定新的事件是否发生；响应于新的事件的发生，将与新的事件相应的输出信号发送到输出突触。2.如权利要求1所述的方法，其中，响应于第一阈值与确定的第一激活的改变量相交，新的事件发生，其中，第一阈值与确定的第一激活的改变量相交指示确定的第一激活的改变量的绝对值变得大于第一阈值。3.如权利要求1所述的方法，其中，输出信号包括指示确定的第一激活的改变量和第一阈值的相交的方向的符号位。4.如权利要求1所述的方法，还包括：接收与经由输入突触连接的前一层相应的第二阈值，其中，确定当前激活的步骤包括：基于先前激活、输入信号和第二阈值，确定当前激活。5.如权利要求1所述的方法，其中，输出信号包括近似为预定的位精度的确定的第一激活的改变量。6.如权利要求5所述的方法，其中，基于来自要求精度和可用资源的量之中的至少一个，来调节预定的位精度。7.如权利要求1所述的方法，其中，基于在预定时间间隔期间发生的事件的数量，来调节第一阈值。8.如权利要求7所述的方法，其中，响应于在所述预定时间间隔期间发生的事件的数量超出预定的第三阈值，来增大第一阈值；响应于在所述预定时间间隔期间发生的事件的数量小于预定的第四阈值，来减小第一阈值，其中，第三阈值大于第四阈值。9.如权利要求1所述的方法，还包括：在输出信号被发送之后，基于确定的当前激活，更新第一阈值。10.如权利要求9所述的方法，其中，基于来自固定步长、对数步长和数量级之中的至少一个，来更新第一阈值。11.如权利要求1所述的方法，还包括：存储确定的当前激活。12.如权利要求1所述的方法，还包括：接收指示预定操作模式的控制信号；经由输入突触，接收与指示的操作模式相应的帧化的输入信号；基于帧化的输入信号，确定当前激活。13.如权利要求1所述的方法，其中，神经网络包括来自以下项之中的至少一个：人工神经网络、全连接网络、深度卷积网络、循环神经网络和脉冲神经网络。14.一种通过使用神经网络可执行的方法，所述方法包括：基于人工神经元的先前激活和经由人工神经元的输入突触接收的输入信号，确定人工神经元的当前激活；响应于包括先前激活的第一集群和包括确定的当前激活的第二集群，确定事件是否发生；响应于所述事件的发生，将与所述事件相应的输出信号发送到输出突触。15.如权利要求14所述的方法，其中，所述事件响应于第一集群与第二集群不同而发生。16.如权利要求14所述的方法，其中，输出信号包括至少一个改变位，所述至少一个改变位指示来自从第一集群到第二集群的改变方向和从第一集群到第二集群的改变量之中的至少一个。17.一种通过使用循环神经网络可执行的方法，所述方法包括：基于与第一时间相应的第一输入矢量和与早于第一时间的第二时间相应的第二输入矢量之间的差，获得与第一时间相应的第一输入δ矢量；基于与第二时间相应的第二隐藏状态矢量和与早于第二时间的第三时间相应的第三隐藏状态矢量之间的差，获得在与第二时间相应的隐藏状态δ矢量；基于与第一输入δ矢量相应的第一权重和第一输入δ矢量的乘积以及与隐藏状态δ矢量相应的第二权重和隐藏状态δ矢量的...

【专利技术属性】
技术研发人员：李俊行，丹尼尔·内尔，刘世绮，托比·德尔布鲁克，
申请(专利权)人：三星电子株式会社，苏黎世大学，
类型：发明
国别省市：韩国,KR