【技术实现步骤摘要】
【国外来华专利技术】用于贝叶斯神经形态编译器的编程模型相关申请的交叉引用本申请是2018年4月17日在美国提交的、题为“ANeuronalNetworkTopologyforComputingConditionalProbabilities”的美国临时申请No.62/659,085的非临时申请,该美国临时申请的全部内容通过引用并入于此。本申请还是2018年4月17日在美国提交的、题为“ProgrammingmodelforaBayesianNeuromorphicCompiler”的美国临时申请No.62/659,094的非临时申请,该美国临时申请的全部内容通过引用并入于此。专利技术背景(1)
本专利技术涉及一种用于执行概率计算的系统,并且更具体地,涉及一种用于使用尖峰神经元网络单元中的神经元尖峰来执行概率计算的系统。(2)
技术介绍
贝叶斯网络是一种经由有向无环图(DAG)表示一组变量及其条件依赖性的概率图形模型。如Bill等人在“DistributedBayesianComputationandSel ...
【技术保护点】
1.一种用于对移动平台传感器数据执行概率计算的系统,所述系统包括:/n一个或更多个处理器以及编码有可执行指令的非暂时性计算机可读介质,使得在执行所述可执行指令时,所述一个或更多个处理器执行以下操作:/n将表示输入移动平台传感器数据的贝叶斯模型转换为实现所述贝叶斯模型的尖峰神经元网络单元;/n使用所述尖峰神经元网络单元,针对所述输入移动平台传感器数据计算条件概率,其中,所述输入移动平台传感器数据是被编码为神经元尖峰的一时间系列的移动平台错误代码;/n对所述神经元尖峰进行解码,其中,解码后的神经元尖峰表示至少一种移动平台故障模式;以及/n使所述移动平台基于所述至少一种移动平台故 ...
【技术特征摘要】
【国外来华专利技术】20180417 US 62/659,094;20180417 US 62/659,0851.一种用于对移动平台传感器数据执行概率计算的系统,所述系统包括:
一个或更多个处理器以及编码有可执行指令的非暂时性计算机可读介质,使得在执行所述可执行指令时,所述一个或更多个处理器执行以下操作:
将表示输入移动平台传感器数据的贝叶斯模型转换为实现所述贝叶斯模型的尖峰神经元网络单元;
使用所述尖峰神经元网络单元,针对所述输入移动平台传感器数据计算条件概率,其中,所述输入移动平台传感器数据是被编码为神经元尖峰的一时间系列的移动平台错误代码;
对所述神经元尖峰进行解码,其中,解码后的神经元尖峰表示至少一种移动平台故障模式;以及
使所述移动平台基于所述至少一种移动平台故障模式发起缓解动作。
2.根据权利要求1所述的系统,其中,所述贝叶斯模型表示移动平台错误代码、移动平台故障模式以及所述移动平台错误代码与所述移动平台之间的关联。
3.根据权利要求1所述的系统,其中,所述尖峰神经元网络单元包括具有以下动力学的多个神经元A、B、C、D和E:
紧张性输入使神经元A出现尖峰,并且神经元A使神经元B出现尖峰,从而导致突触权重w增大,
神经元B使神经元C出现两次尖峰,一次通过神经元D,并且一次通过神经元E,并且
如果神经元C出现尖峰,则延迟τ1将使神经元B在神经元A之前出现尖峰,从而导致所述突触权重w减小,
其中,所述突触权重w与其自身成比例地减小。
4.根据权利要求3所述的系统,其中,为了计算两个输入过程X和Y的条件概率,限定了到所述尖峰神经元网络单元的时相性输入和所述紧张性输入的输入,其中,所述时相性输入来自所述两个输入过程X和Y的逻辑与,并且所述紧张性输入来自所述输入过程X,其中,所述紧张性输入与P(X)相对应,并且所述时相性输入与P(X,Y)相对应,从而导致所述突触权重w收敛于P(X,Y)/P(X)=P(Y|X),其中,P表示概率,/表示除,并且|表示条件关系。
5.根据权利要求3所述的系统,其中,所述尖峰神经元网络单元能够分解为:收敛单元CON,所述收敛单元CON使所述突触权重w成指数地衰减至一个值;以及乘法器单元M,所述乘法器单元M充当逻辑与,其中,所述收敛单元CON和所述乘法器单元M分别与函数CON:X×Y→Z和M:X×Y→Z相对应,其中,Z表示函数输出,×表示成对的输入自变量,并且→表示从输入到输出的映射。
6.一种用于对移动平台传感器数据执行概率计算的计算机实现的方法,所述方法包括以下动作:
使一个或更多个处理器执行编码在非暂时性计算机可读介质上的指令,使得在执行所述指令时,所述一个或更多个处理器执行以下操作:
将表示输入移动平台传感器数据的贝叶斯模型转换为实现所述贝叶斯模型的尖峰神经元网络单元;
使用所述尖峰神经元网络单元,针对所述输入移动平台传感器数据计算条件概率,其中,所述输入移动平台传感器数据是被编码为神经元尖峰的一时间系列的载具错误代码;
对所述神经元尖峰进行解码,其中,解码后的神经元尖峰表示至少一种移动平台故障模式;以及
使所述移动平台基于所述至少一种移动平台故障模式发起缓解动作。
7.根据权利要求6所述的方法,其中,所述贝叶斯模型表示移动平台错误代码、移动平台故障模式以及所述移动平台错误代码与所述移动平台之间的关联。
8.根据权利要求6所述的方法,其中,所述尖峰神经元网络单元包括具有以下动力学的多个神经元A、B、C、D和E:
紧张性输入使神经元A出现尖峰,并且神经元A使神经元B出现尖峰,从而...
【专利技术属性】
技术研发人员:N·D·斯特普,A·加马拉马达卡,
申请(专利权)人:赫尔实验室有限公司,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。