[发明专利]利用波动和脉冲信号混合编码的神经网络识别方法与装置

说明书

本申请公开了一种利用波动和脉冲信号混合编码的人工神经网络识别方法。该方法包括：生成分布式人工神经网络；将原始语音或图像编码为波动信号和脉冲信号的混合信号输入给神经网络；令所述混合信号进入神经网络后，以特定速度分布式传播；利用所述混合信号依次激发特定的神经元，产生不同的特征路径，并将特征路径上的神经元映射为特征矩阵保存；多次重复编码和矩阵存储过程，取特征矩阵平均值，生成记忆矩阵，训练神经网络；根据训练后的特征矩阵数据保存特征路径；将需要识别的语音或图像输入给训练好的神经网络，生成待识别的特征矩阵；进行比对完成识别。

技术领域

本发明涉及计算机软硬件、神经网络、机器学习、人工智能，具体涉及一种用于语音识别和图像识别的全新人工神经网络方法。

背景技术

目前人工智能领域用到的神经网络方法，都是基于数字计算机的人工神经网络。这种神经网络本质上都是对原始信息进行二进制编码，传递二进制数字信号。在神经网络用于智能语音和图像识别时，需要大量数据样本输入来进行训练，或者需要实时连接互联网以调用大量数据，对原始数据量的互联网环境的依赖很强。

现实的生物神经网络，尤其是哺乳动物大脑中，同时包含了模拟信号和数字信号处理功能，其中模拟信号以脑电波形式存在，数字信号以神经脉冲形式存在，二者对记忆、学习等智能行为均至关重要。生物神经网络的学习过程并不需要大量数据训练和互联网环境。但是，目前的神经网络方法尚不能将生物神经网络的融合进来。

发明内容

1.目的

为了降低目前神经网络对大数据训练和互联网环境的依赖，制造更实用的人工智能识别装置，本发明提出了一种利用波动和脉冲信号混合编码的人工神经网络识别方法，能够不依赖大数据输入而快速地学习语音或图像信号特征，并对同类型语音或图像信号进行准确识别，不依赖互联网环境。

2.技术方案

具体而言，本发明提供一种利用波动和脉冲信号混合编码的人工神经网络识别方法，其特征在于，所述方法包括以下步骤：

步骤一：生成分布式人工神经网络，该神经网络由多个单频网络组成，对所生成的分布式人工神经网络进行初始化全连通；

步骤二：将原始语音或图像编码为波动信号和脉冲信号的混合信号并输入给分布式人工神经网络；

步骤三：令所述混合信号进入分布式人工神经网络后，以特定速度分布式传播，其中在任意一个单频线路上传播混合信号，但不同单频网络之间只传播脉冲信号；

步骤四：利用所述混合信号依次激发网络中的神经元，产生不同的特征路径，并将特征路径上的神经元映射为特征矩阵保存，一个维度为时间，一个维度为频率；

步骤五：多次重复步骤二到步骤四的编码和矩阵存储过程，取特征矩阵平均值，生成记忆矩阵，训练所述分布式人工神经网络；

步骤六：根据训练后的特征矩阵数据保存特征路径；

步骤七：将需要识别的语音或图像输入给训练好的分布式人工神经网络，重复步骤二到步骤四过程，生成待识别的特征矩阵；

步骤八：对比已保存的特征矩阵和待识别的特征矩阵，获得待识别的特征矩阵与已保存的特征矩阵的符合程度数据。

优选地，所述分布式人工神经网络由多个单频网络组成，每个单频网络包括神经元和连接通道，单频网络以内的神经元互相连接，单频网络之间神经元也互相连接，每个神经网络的神经元都有一个路连接到数据储存层，在步骤二中信号传播时，单频网络以内传播混合信号，单频网络之间只传播脉冲信号。

优选地，在所述步骤一构建的分布式人工神经网络中，单个神经网络节点具有多向输入和多向输出功能，其中输入输出路径不共用。