[发明专利]用于调制神经设备的训练的方法和装置

权利要求书

1.一种用于训练具有人工神经系统的神经设备的方法，包括：

在训练环境中观察所述神经设备；以及

至少部分地基于所述观察来调制至少一个训练参数，其中：

所述至少一个训练参数包括围绕所述训练环境中的物体的虚拟边界或围绕所述神经设备的虚拟边界中的至少一者；

围绕所述物体的虚拟边界大于所述物体的实际边界；并且

围绕所述神经设备的虚拟边界大于所述神经设备的实际边界。

2.如权利要求1所述的方法，其特征在于，进一步包括：

至少部分地基于经调制的至少一个训练参数来允许所述神经设备时间以作出反应。

3.如权利要求2所述的方法，其特征在于，进一步包括：

重复所述观察、所述调制和所述允许一次或多次。

4.如权利要求1所述的方法，其特征在于，所述至少一个训练参数包括所述训练环境的至少一个环境因素。

5.如权利要求1所述的方法，其特征在于，调制所述至少一个训练参数包括调整围绕所述物体的所述虚拟边界的大小或形状中的至少一者。

6.如权利要求1所述的方法，其特征在于，围绕所述物体的所述虚拟边界遵循所述物体的形状。

7.如权利要求1所述的方法，其特征在于，围绕所述物体的所述虚拟边界具有与其相关联的噪声因子。

8.如权利要求7所述的方法，其特征在于，进一步包括：

至少部分地基于所述观察来调整与围绕所述物体的所述虚拟边界相关联的所述噪声因子。

9.如权利要求4所述的方法，其特征在于，调制所述至少一个训练参数包括调整所述至少一个环境因素以影响所述神经设备的感测。

10.如权利要求1所述的方法，其特征在于，所述至少一个训练参数包括所述神经设备的至少一个学习因素。

11.如权利要求10所述的方法，其特征在于，所述至少一个学习因素包括以下至少一者：尖峰发放率、学习速率、神经调质的量或效应、突触可塑性的能力、传感器的灵敏度、马达控制的增益、控制信号的增益、所述人工神经系统中涉及的人工神经元的数目、或者所述人工神经系统中的突触连接的数目。

12.如权利要求10所述的方法，其特征在于，所述至少一个学习因素包括以下至少一者：用于所述神经设备的神经模型中的时间常数、所述神经模型的状态、所述神经模型的一个或多个系数、或者所述神经模型的一个或多个等式。

13.如权利要求1所述的方法，其特征在于，围绕所述神经设备的所述虚拟边界具有离所述神经设备的表面统一的间隔。

14.如权利要求1所述的方法，其特征在于，调制所述至少一个训练参数包括调整围绕所述神经设备的所述虚拟边界的大小或形状中的至少一者。

15.如权利要求1所述的方法，其特征在于，调制所述至少一个训练参数至少部分地基于围绕所述神经设备和围绕所述训练环境中的所述物体的虚拟边界之间的交叠的深度、面积、体积或速率。

16.如权利要求1所述的方法，其特征在于，调制所述至少一个训练参数包括：

至少部分地基于所述观察或来自所述神经设备的传感器数据中的至少一者来生成第一报偿增益；以及

至少部分地基于所述第一报偿增益来调制所述至少一个训练参数。