[发明专利]梯度频率非线性振荡器网络中的学习和听觉场景分析

权利要求书

1.一种用于学习神经网络中的非线性振荡器之间的连接的方法，包括：

提供多个非线性振荡器，响应于输入，每个振荡器产生不同于其他振荡器的振荡；

检测所述多个非线性振荡器中的至少第一振荡器处的输入；

检测所述多个非线性振荡器中的至少第二振荡器处的输入；

对一时间点处的所述至少第一振荡器的所述振荡和所述至少第二振荡器的所述振荡进行比较；

确定所述至少第一振荡器的所述振荡和所述至少第二振荡器的所述振荡之间是否存在相关性；以及

根据所述至少第一振荡器的所述振荡和所述至少第二振荡器的所述振荡之间的所述相关性来改变所述至少第一振荡器和所述至少第二振荡器之间的连接的振幅和相位中的至少一个。

2.根据权利要求1所述的方法，其中，所述连接表示为

c·ij=-δijcij+kijzi1-∈zi·z‾j1-∈z‾j]]>

其中，c_ij为任意两个非线性振荡器之间的连接的振幅和相位，δ和k为表示连接变化速度的参数，z为所述两个连接的振荡器的复值状态变量。

3.根据权利要求1所述的方法，进一步包括以下步骤：当所述至少第一振荡器的所述振荡和所述至少第二振荡器的所述振荡之间存在相关性时，调节所述连接的所述相位以反映所述至少第一振荡器和所述第二振荡器之间的当前相位关系。

4.根据权利要求1所述的方法，进一步包括以下步骤：

当所述至少第一振荡器的所述振荡和所述至少第二振荡器的所述振荡之间不存在相关性时，减小所述至少第一振荡器和所述至少第二振荡器之间的所述连接的所述振幅。

5.根据权利要求1所述的方法，进一步包括以下步骤：

当所述至少第一振荡器的所述振荡和所述至少第二振荡器的所述振荡之间存在相关性时，增大所述至少第一振荡器和所述至少第二振荡器之间的所述连接的所述振幅。

6.一种用于学习神经网络中的非线性振荡器之间的连接的方法，包括：

提供多个非线性振荡器，响应于输入，每个振荡器产生不同于其他振荡器的振荡；

检测所述多个非线性振荡器中的至少第一振荡器处的输入；

检测所述多个非线性振荡器中的至少第二振荡器处的输入；

对一时间点处的所述至少一个振荡器的所述振荡和所述至少第二振荡器的所述振荡进行比较；

确定所述至少一个振荡器的所述振荡和所述至少第二振荡器的所述振荡之间是否存在相关性；以及

当所述至少一个振荡器的所述振荡和所述至少第二振荡器的所述振荡大体上相关时，减小所述至少第一振荡器和所述至少第二振荡器之间的连接的振幅。