[发明专利]基于脉冲神经网络的知识表征方法、系统、装置

权利要求书

1.一种基于脉冲神经网络的知识表征方法，其特征在于，该方法包括以下步骤：

步骤S100，获取待知识表征的文本，作为输入文本；

步骤S200，通过Glove算法提取所述输入文本中每个词设定维度的词向量矩阵，并对各词向量矩阵进行归一化处理；

步骤S300，将归一化后的各词向量矩阵中的每一个元素作为相应词向量对应维度的电流强度，并通过boost升压电路进行电流增强；

步骤S400，通过Izhikevich神经元模型获取增强后的各电流强度对应的脉冲发放时间序列，并构建脉冲发放时间矩阵；

步骤S500，对各脉冲发放时间矩阵，将其进行扁平化处理，并结合预设的容忍度，得到各词向量最终的二值知识表征。

2.根据权利要求1所述的基于脉冲神经网络的知识表征方法，其特征在于，步骤S200中“对各词向量矩阵进行归一化处理”，其方法为：

其中，为各词向量矩阵中每一个元素归一化后的向量表示，为各词向量矩阵中每一个元素归一化前的向量表示，表示输入文本中所有词第d_m维词向量的最小值、最大值。

3.根据权利要求1所述的基于脉冲神经网络的知识表征方法，其特征在于，步骤S400中“构建脉冲发放时间矩阵”，其方法为：

对各词向量矩阵中的每一个元素，判断其在未归一化处理前对应的值是否小于等于0，若是，则将其对应的脉冲发放时间序列全部填充为0，否则，将其相应增强后的电流强度输入Izhikevich神经元模型，脉冲发放时刻记为1，其余的记为0，得到其对应的脉冲发放时间序列；

基于各脉冲发放时间序列构建各词向量对应的脉冲发放时间矩阵。

4.根据权利要求1所述的基于脉冲神经网络的知识表征方法，其特征在于，步骤S500中“对各脉冲发放时间矩阵，将其进行扁平化处理，并结合预设的容忍度，得到各词向量最终的二值知识表征”，其方法为：

对各脉冲发放时间矩阵，将其进行扁平化处理，得到各词向量对应的二值向量；

判断各词向量的二值向量在预设的容忍度区间范围内是否有1的存在，若有，则该容忍度区间对应的位用1表示，否则用0表示；

将各词向量的二值向量在容忍度区间的位表示作为各词向量最终的二值知识表征。

5.根据权利要求4所述的基于脉冲神经网络的知识表征方法，其特征在于，“对各脉冲发放时间矩阵，将其进行扁平化处理，得到各词向量对应的二值向量”，其方法为：将各脉冲发放时间矩阵的每一行进行首尾相接。

6.根据权利要求4中所述的基于脉冲神经网络的知识表征方法，其特征在于，所述各词向量最终的二值知识表征，其获取方法为：

其中，b⁽ⁱ⁾表示第i个词向量最终的二值知识表征，vector表示任一词向量，tol表示预设的容忍度，k表示自然数，|D|表示词向量矩阵中每个词向量的维度，T表示Izhikevich神经元模型神经元膜电位对电流强度的编码时长，Δt表示Izhikevich神经元模型神经元膜电位的编码时间间隔，if 1 in vector表示如果vector在容忍度区间中有1的存在，(k-1)*tol：k*tol表示容忍度区间为[(k-1)*tol，k*tol]，表示第i个词向量的二值向量对应的容忍度区间。