[发明专利]一种神经网络数据存储器、数据存储方法及数据查找方法

权利要求书

1.一种神经网络数据存储器，所述神经网络存储器是包括如下特征的神经网络模型：

n个输入节点；

n个输出节点；

连接于输入节点与输出节点间的第一隐节点组；其中第一隐节点组为2层，每层2个隐节点；第一隐节点组中隐节点的网络权值为（-1,1）区间内的随机数；

连接于输入节点与输出节点间的第二隐节点组；其中第二隐节点组为1层，其中的隐节点个数依据存储数据的规模而定；第二隐节点组中隐节点的网络权值是可调的；

输入节点的作用函数为：y₍₁₎=x₍₁₎；y₍₁₎为输入节点的输出量，x₍₁₎为输入节点的输入量；

输出节点的作用函数为：y₍₂₎；y₍₂₎为输出节点的输出量；为输出节点的第i个输入量；

第一隐节点组中隐节点的作用函数为：y₍₃₎=arctg；y₍₃₎为第一隐节点组中隐节点的输出量；为第一隐节点组中隐节点的第i个输入量；是输入量到该隐节点的连接权值，c是该隐节点的网络权值，m为第一隐节点组中输入量的个数；

第二隐节点组中隐节点的作用函数为：y₍₄₎=f(‖x-d‖)﹒b﹒arctg()

其中y₍₄₎为第二隐节点组中隐节点的输出量；第二隐节点组中隐节点的输入量；b和c是该隐节点的网络权值；x={ x₁, x₂, … , x_m }是该隐节点的输入向量，d是该隐节点在其输入向量空间的坐标向量；函数f的表达式为：

其中为窗口半径。

2.一种神经网络数据存储方法，其特征在于，包括：

步骤一、将待存储数据分为Q组，每组值代表一个待存储字段；

步骤二、通过输入节点输入至如权利要求1所述的神经网络数据存储器中；

步骤三、使用梯度法调整所述神经网络存储器中第二隐节点组中的网络权值使得输出节点的输出向量在设定的精度下为0，即使得y₍₂₎={ y₁, y₂, … , y_n }={ 0, 0, … , 0}。

3.根据权利要求2所述的神经网络数据存储方法，其特征在于，包括：

步骤二中，梯度下降法的公式为：

其中w代表第二隐节点组中隐节点的网络权值，w等于a_i，b或c；J=y₁²+y₂²+… +y_n²是神经网络存储器的目标函数；为步长。

4.一种神经网络数据查询方法，其特征在于，所述方法用于查询通过权利要求3所述方法进行存储后的数据，所述神经网络数据查询方法包括：

步骤一、将输入向量k={ k₁, k₂, … , k_m}输入至输入节点；输入向量k用于表示已知字段；输入节点中未接收输入向量的部分表示未知字段；

步骤二、通过梯度法调节未知字段对应的输入节点的向量值，使得输出节点的值均为0；

步骤三、获取此时未知字段对应的输入节点的向量值，作为待查询数据。

5.根据权利要求4所述的神经网络数据查询方法，其特征在于，步骤二中，通过梯度法调节未知字段对应的输入节点的网络权值所使用的公式为：

其中i=1, 2, 3, … ,p，p为未知字段对应的输入节点的个数；为未知字段的第i个输入节点。