[发明专利]人工神经网络

说明书

技术领域

本发明涉及信息处理技术，特别涉及一种人工神经网络。

背景技术

人工神经网络是由大量的节点(或称处理单元、神经元)之间相互联接构成的非线性、自适应信息处理系统，它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理系统。可以把一个人工神经网络划分为输入层、输出层和隐含层，隐含层在输入层和输出层之间，网络中节点(或称处理单元、神经元)的类型分为三类：输入单元、输出单元和隐单元。输入单元处于输入层，用于接受外部世界的信号与数据，对应预测变量；输出单元处于输出层，用于实现系统处理结果的输出，对应目标变量；隐单元处于隐含层，是不能由系统外部观察的单元。每个节点(或称处理单元、神经元)代表一种特定的输出函数，称为激励函数(activation function)，节点(或称处理单元、神经元)间的连接权值反映了节点(或称处理单元、神经元)间的连接强度，信息的表示和处理体现在节点(或称处理单元、神经元)的连接关系中，网络的输出则依网络的连接方式、连接权值和激励函数的不同而不同，隐含层的层数和每层节点的个数决定了神经网络的复杂度。

人工神经网络是一种非程序化、适应性、大脑风格的信息处理，其本质是通过网络的变换和动力学行为得到一种并行分布式的信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。

人工神经网络是人工智能研究的一个重要方向。目前的人工神经网络均为黑箱系统，并且已经遇到很多无法解决的问题，比如在环境(背景)变化、噪音、变形等等情况下，很难得到正确的输出结果，远远达不到真正意义上的“智能”。

发明内容

本发明要解决的技术问题是提供一种人工神经网络，其基本单元按照最强选择原理触发特定动作，能准确反映输入信息，便于发展出具有复杂功能的结构。

为解决上述技术问题，本发明提供的人工神经网络，包括基本动作单元；

所述基本动作单元，包括动作单元、选择系统；

每个动作单元包括相互对应的一个A类神经元及一个B类神经元；

A类神经元，用于表示其所在动作单元被选择的可能性，其活跃强度越高，其所在动作单元被选择的可能性就越大；

B类神经元，用于表示其所在动作单元的动作的具体实施，只有发放或静默两种状态，B类神经元为发放状态时触发其所在动作单元的特定动作，B类神经元是否为发放状态，取决于其对应的A类神经元的活跃强度在该基本动作单元的各A类神经元中是否最大；只有某一A类神经元的活跃强度在该基本动作单元的各A类神经元中是最大，并且所述选择系统输出B类允许信号，该A类神经元对应的B类神经元才被激发为发放状态；

所述选择系统，有B类开关输入端，当B类开关输入端处有输入时，才输出B类允许信号，允许各动作单元的B类神经元输出。

较佳的，人工神经网络还包括基本识别单元；

所述基本识别单元，包括动作单元、选择系统；

基本识别单元的每个动作单元包括相互对应的一个A类神经元、一个B类神经元及一个C类神经元；

A类神经元，用于表示其所在动作单元被选择的可能性，其活跃强度越高，其所在动作单元被选择的可能性就越大；

B类神经元，用于表示其所在动作单元的动作的具体实施，只有发放或静默两种状态，B类神经元为发放状态时触发其所在动作单元的特定动作，B类神经元是否为发放状态，取决于其对应的A类神经元的活跃强度在该基本动作单元的各A类神经元中是否最大；只有某一A类神经元的活跃强度在该基本动作单元的各A类神经元中是最大，并且所述选择系统输出B类允许信号，该A类神经元对应的B类神经元才被激发为发放状态；

C类神经元,用于表示其所在动作单元所对应动作被确认，只有发放和静默两种状态；某一C类神经元被触发的条件是,所述选择系统输出B类允许信号并输出C类允许信号；