【技术实现步骤摘要】
基于脉冲神经网络的知识表征方法、系统、装置
本专利技术属于认知神经科学
，具体涉及一种基于脉冲神经网络的知识表征方法、系统、装置。
技术介绍
人类大脑由数以万计的杂乱连接的神经元组成，其工作机制得到了神经生理学、认知心理学及人工智能领域的广泛关注。与传统人工神经网络不同，脉冲神经网络将神经元细胞运作的时序信息考虑在内，结合相关生物学研究基础，构建了系统的神经元计算模型，包含时间信息的脉冲神经网络模型，是一类受生物学启发的类脑模型，其将原始信号转化为脉冲信号的方式使大脑皮层能够完成信号的记忆、推理等任务。与传统人工神经网络应用生物神经元的脉冲发放频率编码信息不同，脉冲神经网络以由更具生物真实性的脉冲神经元模型为基本单元，应用脉冲序列表示与处理信息，这种编码方式整合了信息的多个方面，如时间、空间、频率和相位等。脉冲神经网络与基于脉冲频率编码信息的传统人工神经网络相比，拥有更强大的计算能力，可以模拟各种神经信号和任意的连续函数，非常适合实现大脑神经信号的处理问题，是进行复杂时空信息处理的有效工具。使用脉冲神经网络进行...
【技术保护点】
1.一种基于脉冲神经网络的知识表征方法，其特征在于，该方法包括以下步骤：/n步骤S100，获取待知识表征的文本，作为输入文本；/n步骤S200，通过Glove算法提取所述输入文本中每个词设定维度的词向量矩阵，并对各词向量矩阵进行归一化处理；/n步骤S300，将归一化后的各词向量矩阵中的每一个元素作为相应词向量对应维度的电流强度，并通过boost升压电路进行电流增强；/n步骤S400，通过Izhikevich神经元模型获取增强后的各电流强度对应的脉冲发放时间序列，并构建脉冲发放时间矩阵；/n步骤S500，对各脉冲发放时间矩阵，将其进行扁平化处理，并结合预设的容忍度，得到各词向...
【技术特征摘要】
1.一种基于脉冲神经网络的知识表征方法，其特征在于，该方法包括以下步骤：
步骤S100，获取待知识表征的文本，作为输入文本；
步骤S200，通过Glove算法提取所述输入文本中每个词设定维度的词向量矩阵，并对各词向量矩阵进行归一化处理；
步骤S300，将归一化后的各词向量矩阵中的每一个元素作为相应词向量对应维度的电流强度，并通过boost升压电路进行电流增强；
步骤S400，通过Izhikevich神经元模型获取增强后的各电流强度对应的脉冲发放时间序列，并构建脉冲发放时间矩阵；
步骤S500，对各脉冲发放时间矩阵，将其进行扁平化处理，并结合预设的容忍度，得到各词向量最终的二值知识表征。
2.根据权利要求1所述的基于脉冲神经网络的知识表征方法，其特征在于，步骤S200中“对各词向量矩阵进行归一化处理”，其方法为：
其中，为各词向量矩阵中每一个元素归一化后的向量表示，为各词向量矩阵中每一个元素归一化前的向量表示，表示输入文本中所有词第dm维词向量的最小值、最大值。
3.根据权利要求1所述的基于脉冲神经网络的知识表征方法，其特征在于，步骤S400中“构建脉冲发放时间矩阵”，其方法为：
对各词向量矩阵中的每一个元素，判断其在未归一化处理前对应的值是否小于等于0，若是，则将其对应的脉冲发放时间序列全部填充为0，否则，将其相应增强后的电流强度输入Izhikevich神经元模型，脉冲发放时刻记为1，其余的记为0，得到其对应的脉冲发放时间序列；
基于各脉冲发放时间序列构建各词向量对应的脉冲发放时间矩阵。
4.根据权利要求1所述的基于脉冲神经网络的知识表征方法，其特征在于，步骤S500中“对各脉冲发放时间矩阵，将其进行扁平化处理，并结合预设的容忍度，得到各词向量最终的二值知识表征”，其方法为：
对各脉冲发放时间矩阵，将其进行扁平化处理，得到各词向量对应的二值向量；
判断各词向量的二值向量在预设的容忍度区间范围内是否有1的存在，若有，则该容忍度区间对应的位用1表示，否则用0表示；
将各词向量的二值向量在容忍度区间的位表示作为各词向量最终的二值知识表征。
5.根据权利要求4所述的基于脉冲神经网络的知识表征...
【专利技术属性】
技术研发人员：王寓巍，曾毅，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11
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。