[发明专利]一种基于LFR的数字序列控制方法

说明书

本发明公开了一种基于位置遗忘重编码方法(LFR)的数字序列控制方法，所述方法包括：编码构成部分和神经网络部分；对于给定的IQ数字序列V，每个V中的数字编码为符合神经网络输入规则编码的新数字；LFR分别从第一个数字到第N个数字应用于每个部分序列S，使用遗忘因子alpha，通过乘以因子将先前遗忘的数字传递给下一个输入变量；通过带有遗忘因子的公式重编码为L₁，L₂，L₃，最终将所有序列转化为神经网络的输入格式；所述方法使用第一模型表示对神经网络的训练集的输入序列进行LFR重编码，使用第二模型对神经网络的训练集的输入序列进行LFR重编码，而最终的评测结果根据LFR进行编码。

技术领域

本发明涉及神经网络领域，尤其涉及一种基于LFR(基于位置遗忘重编码方法)的数字序列控制方法。

背景技术

自然数序列被定义为自然数序列，每个元素都是通过算法定义的。例如，从2(2,4,8,16,32......)开始的自然数被认为是自然序列，而2000年每个月的天数(31,29,31......)不是。虽然它也是由自然数组成的数字序列，但很难与逻辑推理相关联并且与逻辑具有更高的相关性。数字序列也有可能取决于辅助序列，在这里智力测验使用数字序列问题来确定数学模式识别能力。

作为智商测试中最具代表性和吸引力的类别之一，数字序列问题引起了人们的关注。在给定序列号的情况下，一般来说数字序列问题中的主要任务是根据给定序列中建立的模式预测下一个。该系列的预测主要使用数学知识和推理能力。

同时，这些问题也包括在一些测试中(例如：德国的IST-2000)，由于IQ测试题的系列和其他语言类型不同，不需要理解语言类型的具体语言，它可以更好地反映人的推理和预测能力。与IQ测试中的其他类型的问题(如Raven Progressive Matrices(瑞文氏标准推理测验)或字母序列系列)相比，数字序列问题可能更复杂，因为序列模式的多样性以及所涉及的各种可能的数学知识。因此，和广为人熟知的在理论上可以进行机器智能测试的图灵测试相比，序列的预测可以被理解为确认机器智能的初步部分。

而由于大量的组合和操作，例如Fibonacci序列的组合序列等等，数字序列问题可以构造得比字母序列复杂得多。事实上，这类问题越来越接近于心理任务，而不是通过使用正确的搜索算法和检索大型数学库来生成序列。为了解决序列问题，有必要分析给定的组件，构建一个表征所有组件规律性的假设，推广规则性并应用它来生成解决方案。

目前已有的解决方案包括如下：整数序列在线百科全书(OEIS)网站成立于1996年，其中包含近90,000个用于预测的序列。数学软件Mathematica提供了内置数学公式库的IQ数字序列预测。

Strannegard等人通过开发ASolver(一种Haskell编码的拟人化认知系统)来解决IQ数字序列问题。认知系统基于有限工作记忆的思想，定义术语，构建基于术语的语言，描述IQ数字序列，同时根据计算限制和存储限制对资源进行管控，减少搜索的范围。虽然ASolver不是用作认知模型，而只是用于解决问题，但是它与人类的认知有一些关系。Strannegard等人也对同样的问题使用SeqSolver，基于Kolmogorov复杂性来限制计算集。ASolver在IQ测试PJP的11个IQ编号序列问题上进行了测试，获得了高于130-140的IQ分数。另一方面，SeqSolver在IST的IQ数字序列上进行了测试，并获得了至少130的IQ分数。

Hofmann，Kitzelmann和Schmid证明了归纳编程系统IGOR2可以应用于IQ数序列问题。IGOR2是一个用于从输入/输出示例学习(递归)功能程序的系统，已应用于许多解决问题的领域。IGOR2涉及一个或多个数学维度的参考和使用，这些维度是通过Schmid等人对IQ数序列问题难度的心理学研究确定的。