基于神经形态的最优网络路径搜索方法、系统及存储介质技术方案

本发明专利技术公开了基于神经形态的最优网络路径搜索方法、系统及存储介质，方法包括：构建脉冲神经网络和神经形态计算核；根据待解决问题确定脉冲神经网络的起始神经元和目标神经元；通过神经形态计算核发送指令运行符合SFA规律的激励信号，使得起始神经元发射出若干个钟形脉冲至与之相连的另一个神经元，从而形成以吸引子波峰为特征的传输波形在脉冲神经网络中传输，并使在传播路径上的神经元突触按照STDP规则得到增强/减弱；当传输波形到达目标神经元，确定传输波形经过的第一网络路径，进而从多个第一网络路径中选取出最优网络路径。本发明专利技术提高了最优网络路径搜索的效率和准确性，且适用范围更广，可广泛应用于人工智能技术领域。域。域。

【技术实现步骤摘要】
基于神经形态的最优网络路径搜索方法、系统及存储介质


[0001]本专利技术涉及人工智能
，尤其是一种基于神经形态的最优网络路径搜索方法、系统及存储介质。

技术介绍

[0002]从自动驾驶寻找最佳的路径行驶到自动驾驶汽车的泊位寻找，从机器人的躲避障碍到基于标志物影像的单人手持设备的导航(比如Google Street View Time Machine)，再到互联网络社交平台的访问和搜索，其功能和性能的保证都是基于将环境模型化为网络关系，并且在网络上进行遍历和搜索，再根据这个结果去解决有关产品性能或者互联网服务的问题，而使用这些功能的产品，要求功耗省、时间快捷并且给出的结果最优。
[0003]针对上述问题的解决措施，大多基于目前的冯诺依曼架构计算机运算以及基于该类计算平台的软件搜索办法，设备功耗高，且时间的快捷性和服务体验还不是尽如人意。如果采用类脑智能的神经形态计算技术，发挥类脑的能量效率和并行计算的优势。但是，目前这些解决方案大多是基于各自的应用领域或者专业领域，范围不广。找到实现其上述应用业务的更为统一的方法，那么其意义将会很大。
[0004]首先在网络搜索上基于非冯诺依曼架构上取得突破的是神经形态计算技术的国际上大公司，他们对搜索问题的解决是由“生物空间”和“地图感知网络”的“神经运算”启发的。
[0005]早在1940年，Edward Chace Tolman就推测脑中存在“地图”一样的信息储存机制，用以导引人类的空间认知和搜索并建立瞬间关联，用以建立“不同地点”与“事件发生”之间的联系。认知地图的基础是位置细胞，最早是由Keefe等用电生理方法在海马体中发现。Redish和Hopfield等人进一步先后发现了“海马体(Hippocampus)”在啮齿类动物中具有对空间的导航和搜索功能。而在认知地图的构建和应用理论研究中有两种主流的神经网络模型：第一种是位置地图，用来表示智能体的位置；第二种是目标向量地图，用于表示目标的指向位置。
[0006]Wilson等通过实验记录到了空间探索过程中动物位置细胞的发放规律，清楚地说明了位置细胞如何表达它们在二维平面中的位置，从而证明了群编码的有效性。这种理论着重说明集中发放的位置编码是通过紧密排列的神经元之间的交互作用进行连接的。另外一些实验研究进一步证明了群编码能够根据环境的变化进行重组。在这些工作基础上，Muller等进一步提出了同时发放放电脉冲的位置细胞可以构成一个网络，这个网络使得相互作用的位置细胞可以形成紧密的突触连接。受此启发，2019年7月，英特尔发布消息称，其神经形态研究芯片Loihi执行专用任务的速度可比普通CPU快1000倍，效率高10000倍，而其基于突触时间可塑性设计的网络搜索算法，在具有100000个节点的小世界网络中，其搜索的性能比在Intel Xeon 6136CPU快100倍以上，表现除了非常优异的搜索性能。但是，其公开的方法只是完成了一个精简版的单一层次的网络，其完成网络搜索的突触触发脉冲方式未能按照人脑中神经元神经动力学“吸引子波包(Bump Attractor，有中文文献称钟形脉
冲)”的产生、传播等规律的抽象和在模型中表达方式，因此存在方法模型化客观问题不够广泛的缺陷，而且，激发突触脉冲传递时，如果不能更好地抽象出群神经元编码的规律，该方法容易受到环境干扰，可靠性有待增强。此外，该方法的应用范围还是仅限于单一的网络搜索，而与此类似的其它国内的方法，其适用的场景和方法更不具有普适性，用途更为狭窄。

技术实现思路

[0007]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0008]为此，本专利技术实施例的一个目的在于提供一种基于神经形态的最优网络路径搜索方法，该方法提高了最优网络路径搜索的效率和准确性，且适用范围更广。
[0009]本专利技术实施例的另一个目的在于提供一种基于神经形态的最优网络路径搜索系统。
[0010]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0011]第一方面，本专利技术实施例提供了一种基于神经形态的最优网络路径搜索方法，包括以下步骤：
[0012]构建脉冲神经网络和神经形态计算核，所述脉冲神经网络为多种层次特征表达的神经元网络层体系，且同一层次具有多种神经元，所述神经元具有多种突触类型以形成各所述神经元之间的双向连接；
[0013]根据待解决问题确定所述脉冲神经网络的起始神经元和目标神经元；
[0014]通过所述神经形态计算核发送指令运行符合神经元突触适应性(SFA)规律的激励信号，使得所述起始神经元发射出若干个钟形脉冲至与之相连的另一个所述神经元，从而形成以吸引子波峰为特征的传输波形在所述脉冲神经网络中传输，并使在传播路径上的神经元突触按照STDP规则得到增强/减弱；
[0015]当所述传输波形到达所述目标神经元，确定所述传输波形经过的第一网络路径，进而从多个所述第一网络路径中选取出最优网络路径。
[0016]进一步地，在本专利技术的一个实施例中，所述构建脉冲神经网络这一步骤，其具体包括：
[0017]初始化脉冲神经网络，并确定单层互联网络节点中节点扇出数大于1的若干个第一节点；
[0018]对于所述第一节点，在扇出的每一支路与下一节点之间插入预设的第二节点，形成新的脉冲神经网络，所述第二节点符合SNN定义且不影响所述脉冲神经网络的总体网络特性；
[0019]按照预设的模型化要求对新形成的脉冲神经网络赋予网络参数，进而映射得到所述脉冲神经网络。
[0020]进一步地，在本专利技术的一个实施例中，所述神经形态计算核包括特征提取网络、短时记忆网络、情景记忆网络、语义记忆网络、知识图谱网络、深度学习网络以及递归循环网络中的至少一种。
[0021]进一步地，在本专利技术的一个实施例中，所述脉冲神经网络的树突的突触输入包括输入激励型神经元的电流和输入抑制型神经元的电流。
[0022]进一步地，在本专利技术的一个实施例中，所述最优路径搜索方法还包括以下步骤：
[0023]根据预设的模型要求，发射具有全局参数的神经调质信号，使得所述神经元的系统参数发生改变。
[0024]进一步地，在本专利技术的一个实施例中，所述激励信号通过下述步骤生成：
[0025]构建短时记忆网络以实现短时记忆功能；
[0026]构建情景记忆网络以实现情景记忆功能；
[0027]构建语义记忆网络已实现语义记忆功能；
[0028]根据智能体所处环境的实体关系构建知识图谱网络，并通过短时记忆输出或情景记忆输出或语义记忆输出驱动所述知识图谱网络，得到相应的记忆嵌入矢量；
[0029]将所述记忆嵌入矢量输入到预先构建的递归循环网络，识别得到隐藏状态，并根据所述隐藏状态形成特征序列，进而根据所述特征序列生成所述激励信号。
[0030]进一步地，在本专利技术的一个实施例中，所述最优网络路径搜索方法还包括训练所述短时记忆网络、所述情景记忆网络以及所述语义记忆网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经形态的最优网络路径搜索方法，其特征在于，包括以下步骤：构建脉冲神经网络和神经形态计算核，所述脉冲神经网络为多种层次特征表达的神经元网络层体系，且同一层次具有多种神经元，所述神经元具有多种突触类型以形成各所述神经元之间的双向连接；根据待解决问题确定所述脉冲神经网络的起始神经元和目标神经元；通过所述神经形态计算核发送指令运行符合SFA规律的激励信号，使得所述起始神经元发射出若干个钟形脉冲至与之相连的另一个所述神经元，从而形成以吸引子波峰为特征的传输波形在所述脉冲神经网络中传输，并使在传播路径上的神经元突触按照STDP规则得到增强/减弱；当所述传输波形到达所述目标神经元，确定所述传输波形经过的第一网络路径，进而从多个所述第一网络路径中选取出最优网络路径。2.根据权利要求1所述的一种基于神经形态的最优网络路径搜索方法，其特征在于，所述构建脉冲神经网络这一步骤，其具体包括：初始化脉冲神经网络，并确定单层互联网络节点中节点扇出数大于1的若干个第一节点；对于所述第一节点，在扇出的每一支路与下一节点之间插入预设的第二节点，形成新的脉冲神经网络，所述第二节点符合SNN定义且不影响所述脉冲神经网络的总体网络特性；按照预设的模型化要求对新形成的脉冲神经网络赋予网络参数，进而映射得到所述脉冲神经网络。3.根据权利要求1所述的一种基于神经形态的最优网络路径搜索方法，其特征在于：所述神经形态计算核包括特征提取网络、短时记忆网络、情景记忆网络、语义记忆网络、知识图谱网络、深度学习网络以及递归循环网络中的至少一种。4.根据权利要求1所述的一种基于神经形态的最优网络路径搜索方法，其特征在于，所述脉冲神经网络的树突的突触输入包括输入激励型神经元的电流和输入抑制型神经元的电流。5.根据权利要求1所述的一种基于神经形态的最优网络路径搜索方法，其特征在于，所述最优路径搜索方法还包括以下步骤：根据预设的模型要求，发射具有全局参数的神经调质信号，使得所述神经元的系统参数发生改变。6.根据权利要求1至5中任一项所述的一种基于神经形态的最优网络路径搜索方法，其特征在于，所述激励信号通过下述步骤生成：构建短时记忆网络以实现短时记忆功能；构建情景记忆网络以实现情景记忆功能；构建语义记忆网络已实现语义记忆功能；根据智能体所处环境的实体关系构建知识图谱网络，并通过短时记忆输出或情景记...

【专利技术属性】
技术研发人员：张正贵，虞志益，肖山林，
申请(专利权)人：中山大学，
类型：发明
国别省市：