[发明专利]受大脑抑制反馈机制启发的人工神经网络构建方法及系统

权利要求书

1.一种受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，所述构建方法包括：

将多个参考样本的人工神经网络中的神经元区分为兴奋性神经元和抑制性神经元；

通过抑制性反馈对抑制性神经元进行抑制，得到抑制性反馈神经网络；

将抑制性反馈神经网络重组为闭环神经网络，用于针对当前样本的反馈学习确定决策规则。

2.根据权利要求1所述的受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，所述通过抑制性反馈对抑制性神经元进行抑制，得到抑制性反馈神经网络，具体包括：

建立含有抑制性反馈单元的数学模型，确定反馈学习规则；

根据所述反馈学习规则，对抑制性神经元进行抑制，得到抑制性反馈神经网络。

3.根据权利要求2所述的受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，所述建立含有抑制性反馈单元的数学模型，确定反馈学习规则，具体包括：

基于抑制性反馈单元的输入和输出的函数关系，建立网络前向数学模型；

根据网络前向数学模型，确定反馈函数；其中，所述反馈函数的反馈向量基于隐层和抑制性神经元之间的连接权重、以及抑制性神经元向量确定；

基于所述反馈函数，根据输入和反馈获得该神经元的输出；

确定反馈学习的学习规则；在所述规则中，反馈量基于隐层和输出层之间的连接权重和输出层确定。

4.根据权利要求2所述的受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，所述对抑制性神经元进行抑制作用，分为前向抑制和反馈抑制；其中，前向抑制是信息通过神经网络正向流动，对抑制性输出的神经元起到抑制作用；反馈抑制是信息反向流动，通过抑制性神经元反作用于抑制性神经元的输入神经元，对输入神经元起到抑制作用。

5.根据权利要求2所述的受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，在所述数学模型中，抑制性神经元的输入为兴奋性神经元的输入和抑制性神经元的输出。

6.根据权利要求1所述的受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，所述兴奋性神经元提供正的输出，对所述兴奋性神经元输出的神经元起到激励作用，所述兴奋性神经元激活兴奋性神经元和抑制性神经元；所述抑制性神经元提供负的输出，对所述抑制性神经元输出的神经元起到抑制作用，所述抑制性神经元能抑制兴奋性神经元的激活。

7.根据权利要求1所述的受大脑抑制反馈机制启发的人工神经网络构建方法，其特征在于，所述决策规则包括快速决策、有偏决策及反复决策；其中，快速决策是在前向无反馈的条件下，确定决策结果；有偏决策是先入为主地假定样本属于某一类的先验，经过输入神经元和反馈后共同输出的决策结果；反复决策是依次考虑样本属于某一类的先验，最后融合多个分类决策结果给出最终的结果。

8.一种受大脑抑制反馈机制启发的人工神经网络构建系统，其特征在于，所述构建系统包括：

区分单元，用于将多个参考样本的人工神经网络中的神经元区分为兴奋性神经元和抑制性神经元；

抑制性反馈单元，用于通过抑制性反馈对抑制性神经元进行抑制，得到抑制性反馈神经网络；

结构重组单元，用于将抑制性反馈神经网络重组为闭环神经网络，用于针对当前样本的反馈学习确定决策规则。

9.根据权利要求8所述的受大脑抑制反馈机制启发的人工神经网络构建系统，其特征在于，所述抑制性反馈单元包括：

建模模块，用于建立含有抑制性反馈单元的数学模型，确定反馈学习规则；

抑制模块，用于根据所述反馈学习规则，对抑制性神经元进行抑制，得到抑制性反馈神经网络。

10.根据权利要求9所述的受大脑抑制反馈机制启发的人工神经网络构建系统，其特征在于，所述建模模块包括：

建模子模块，用于基于抑制性反馈单元的输入和输出的函数关系，建立网络前向数学模型；

函数确定子模块，用于根据网络前向数学模型，确定反馈函数；其中，所述反馈函数的反馈向量基于隐层和抑制性神经元之间的连接权重、以及抑制性神经元向量确定；

输出子模块，用于基于所述反馈函数，根据输入和反馈获得该神经元的输出；

学习规则确定子模块，用于确定反馈学习的学习规则；在所述规则中，反馈量基于隐层和输出层之间的连接权重和输出层确定。