[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

说明书

本发明涉及数据存储领域，具体涉及一种神经网络数据存储器、数据存储方法及数据查找方法，本发明为了解决现有的数据存储方法的数据查找计算量随着数据存储量的增加而增加，需要使用主键作为检索字段的缺点，而提出一种神经网络数据存储器、数据存储方法及数据查找方法。神经网络数据存储器包括：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，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可调。本发明适用于数据存储器。

技术领域

本发明涉及数据存储领域，具体涉及一种神经网络数据存储器、数据存储方法及数据查找方法。

背景技术

目前已有的存储器和存储方法采用基于地址的存储方式，其特点是存储的数据量越大，则查找数据时需要使用的时间越长。并且在数据库中进行检索时，检索字段需要包括主键内容，否则查找时间会非常长。因此需要一种新的存储器、存储方法，来解决现有技术的缺陷。

发明内容

本发明的目的是为了解决现有的数据存储器和存储方法的数据查找计算量随着数据存储量的增加而增加，需要使用主键作为检索字段的缺点，而提出一种神经网络数据存储器、数据存储方法及数据查找方法。

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。

一种神经网络数据存储方法，包括：

步骤一、将待存储数据分为P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2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网络输出在设定的精度下为0，即使得y＝{y₁,y₂,…,y_n}＝{0,0,…,0}。

一种神经网络数据查询方法，所述方法用于查询通本发明的神经网络数据存储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、获取此时未知未知字段对应的输入节点的向量值，作为待查询数据。

本发明的有益效果为：1、使用这样的存储结构，使得数据查找的计算量不随着存储量的增加而增加，查询速度非常快，当字段数量为2时，已知一个字段查询另一个字段，查询速度最快可为10ms；2、可以实现按照数据的一部分内容查找数据，这一过程模拟了人脑的记忆联想功能，是现有计算机存储器不具备的能力。因此该神经网络数据存储器可用于人工智能系统的知识和信息的存储。

附图说明

图1为本发明的神经网络数据存储器的结构示意图；