[发明专利]基于生物神经网络的智能机器人控制方法、系统、装置

权利要求书

1.一种基于生物神经网络的智能机器人控制方法，其特征在于，该智能机器人控制方法包括：

步骤S10，获取智能机器人环境图像集作为待处理图像集；

步骤S20，基于所述待处理图像集中每一个图像，分别通过训练好的特征提取神经网络提取特征，获得第一特征向量集；所述特征提取神经网络为基于前馈脉冲神经网络构建的用于特征提取的生物神经网络；

步骤S30，分别通过训练好的特征关联神经网络获取所述第一特征向量集中每一个特征向量的值之间的关联性，获得第二特征向量集；所述特征关联神经网络为基于量化环状反馈脉冲神经网络构建的用于特征关联学习的生物神经网络；

步骤S40，基于所述第二特征向量集，通过训练好的分类神经网络获取智能机器人行为类别；所述分类神经网络为基于全连接神经网络构建的用于获取智能机器人行为类别的生物神经网络；

步骤S50，基于所述智能机器人行为类别及输入的智能机器人行为类别-控制命令映射关系，获取智能机器人控制命令。

2.根据权利要求1所述的基于生物神经网络的智能机器人控制方法，其特征在于，所述特征提取神经网络，其训练方法为：

步骤T10，获取多种情况的智能机器人环境图像集作为特征提取神经网络训练图像集合；

步骤T20，基于所述特征提取神经网络训练图像集合，通过基于时序脉冲依赖的可塑性学习法则对所述特征提取神经网络进行非监督学习调节网络层间权重，获得训练好的特征提取神经网络。

3.根据权利要求1或2所述的基于生物神经网络的智能机器人控制方法，其特征在于，所述特征关联神经网络，其训练方法为：

步骤G10，通过训练好的特征提取神经网络，获取多种情况的智能机器人环境图像集的特征向量，作为特征关联神经网络训练特征向量集合；

步骤G20，基于所述特征关联神经网络训练特征向量集合，通过Hebb学习法则对所述特征关联神经网络进行非监督学习调节网络层间权重，获得训练好的特征关联神经网络。

4.根据权利要求3任一项所述的基于生物神经网络的智能机器人控制方法，其特征在于，所述分类神经网络，其训练方法为：

步骤F10，通过训练好的特征提取神经网络、特征关联神经网络，获取多种情况的智能机器人环境图像集的特征向量及其关联性，作为分类神经网络训练特征向量集合；获取多种情况的智能机器人环境图像集对应的真实智能机器人行为类别作为分类神经网络训练样本标签集合；

步骤F20，基于所述分类神经网络训练特征向量集合、分类神经网络训练样本标签集合，通过基于时序脉冲依赖的可塑性学习法则对所述特征提取神经网络进行非监督学习调节网络层间权重，获得训练好的分类神经网络。

5.根据权利要求1所述的基于生物神经网络的智能机器人控制方法，其特征在于，所述第一特征向量，其计算过程中的网络节点计算方法为：

其中，τ_m为膜电位恢复稳态的时间参量，代表膜电位随时间的差分值，g_L代表细胞膜漏电流对应的漏电电导，V代表LIF神经元膜电位，V_L代表漏电流的基准膜电势，I_syn为图像各像素灰度值。

6.根据权利要求5任一项所述的基于生物神经网络的智能机器人控制方法，其特征在于，所述LIF神经元，其连接结点神经突触包括兴奋性神经突触、抑制性神经突触：

其中，分别代表兴奋性神经电导的改变量、抑制性神经电导的改变量，τ_E、τ_I分别代表神经元的兴奋性分量恢复稳定时间量、神经元的抑制性分量恢复稳定时间量，w_i,j代表前馈神经元i和神经元j的连接权重，代表神经元j发生放电的激励函数且是第k个脉冲，代表第k个脉冲时刻，C_E、C_I分别代表兴奋性神经元的数量、抑制性神经元数量。