[发明专利]用于使用监督式学习对种类加标签的方法和装置

权利要求书

1.一种用于神经网络的方法，包括：

标识包括一个或多个经索引人工神经元种类的第一网络；以及

为所述一个或多个经索引人工神经元种类确定一个或多个标签而不论它们的索引如何，其中为所述一个或多个经索引人工神经元种类确定一个或多个标签包括：

使用包括一个或多个人工神经元的第二网络扩增所述第一网络，其中所述第二网络中的每个神经元对应于一标签；

使用一个或多个可塑性连接将所述一个或多个经索引神经元种类中的每一个神经元种类连接至所述第二网络中的所有神经元；以及

经由所述可塑性连接向所述一个或多个经索引神经元种类提供监督偏置信号，以使得所述监督偏置信号在种类与输出层神经元之间强加期望映射。

2.如权利要求1所述的方法，其特征在于，所述一个或多个经索引人工神经元种类是使用非监督式学习算法来确定的。

3.如权利要求1所述的方法，其特征在于，所述经索引人工神经元种类之一包括特定时间模式。

4.如权利要求1所述的方法，其特征在于，所述经索引人工神经元种类中的每一个人工神经元种类对应于一个或多个标签。

5.如权利要求1所述的方法，其特征在于，所述一个或多个标签被用来将所述第一网络连接至一装置。

6.如权利要求1所述的方法，其特征在于，所述一个或多个标签被用来确定不同人工神经元种类之间的边界。

7.如权利要求1所述的方法，其特征在于，所述一个或多个标签被用来接合 所述经索引人工神经元种类中的一个或多个人工神经元种类。

8.如权利要求1所述的方法，其特征在于，提供监督偏置信号包括：

提供低于激发阈值的正监督信号以创建用于在期望输出层神经元上激发的偏置。

9.如权利要求8所述的方法，其特征在于，提供监督偏置信号进一步包括：

提供负监督信号以创建用于阻止在非期望输出层神经元上激发的偏置。

10.如权利要求1所述的方法，其特征在于，进一步包括，调节所述监督偏置信号的权重以使得监督偏置的水平是根据所述输出层神经元处的期望和实际网络输出之差来调节的。

11.一种用于神经网络的设备，包括：

用于标识包括一个或多个经索引人工神经元种类的第一网络的装置；以及

用于为所述一个或多个人工经索引神经元种类确定一个或多个标签而不论它们的索引如何的装置，其中用于为所述一个或多个经索引人工神经元种类确定一个或多个标签的装置包括：

用于使用包括一个或多个人工神经元的第二网络扩增所述第一网络的装置，其中所述第二网络中的每个神经元对应于一标签；

用于使用一个或多个可塑性连接将所述一个或多个经索引神经元种类中的每一个神经元种类连接至所述第二网络中的所有神经元的装置；以及

用于经由所述可塑性连接向所述一个或多个经索引神经元种类提供监督偏置信号，以使得所述监督偏置信号在种类与输出层神经元之间强加期望映射的装置。

12.如权利要求11所述的设备，其特征在于，所述一个或多个经索引人工神经元种类是使用非监督式学习算法来确定的。

13.如权利要求11所述的设备，其特征在于，所述经索引人工神经元种类之一包括特定时间模式。

14.如权利要求11所述的设备，其特征在于，所述经索引人工神经元种类中的每一个人工神经元种类对应于一个或多个标签。

15.如权利要求11所述的设备，其特征在于，所述一个或多个标签被用来将所述第一网络连接至一设备。