[发明专利]一种多时间尺度记忆增强的人工神经网络

权利要求书

1.一种多时间尺度记忆增强的人工神经网络，其特征在于，包括：

特征数据提取模块，用于对输入数据进行特征提取，得到所述输入数据的特征数据；

记忆编码模块，用于基于时间尺度因子和记忆采样时间因子对所述特征数据进行记忆编码，获得与所述特征数据对应的记忆信息；

多时间尺度变换模块，用于对所述记忆信息进行多时间尺度变换，获得多时间尺度的记忆信息；

记忆提取模块，用于将所述多时间尺度的记忆信息与记忆模块之中记忆信息进行匹配，以提取出与所述多时间尺度的记忆信息匹配的目标记忆信息；

记忆融合模块，用于将所述多时间尺度的记忆信息与所述目标记忆信息进行融合，获得针对所述输入数据的增强表示；

推理模块，用于获取针对所述输入数据的增强表示，并对所述增强表示进行推理，以得到针对所述输入数据的推理结果。

2.根据权利要求1所述的多时间尺度记忆增强的人工神经网络，其特征在于，

所述特征数据提取模块，还用于对带标注的样本数据进行特征提取，得到所述样本数据的特征数据；

所述记忆编码模块，还用于基于时间尺度因子、记忆采样时间因子和记忆因子对所述样本数据的特征数据进行记忆编码，获得所述样本数据的记忆信息，并将所述样本数据的记忆信息发送给所述记忆模块；

所述记忆模块用于存储所述样本数据的记忆信息。

3.根据权利要求1所述的多时间尺度记忆增强的人工神经网络，其特征在于，所述多时间尺度变换模块具体用于：

基于一维高斯核对所述记忆信息进行平滑处理，并对平滑处理后得到的数据进行降采样，获得多时间尺度的记忆信息。

4.根据权利要求1所述的多时间尺度记忆增强的人工神经网络，其特征在于，所述记忆提取模块在记忆匹配提取的过程中，使用距离作为记忆匹配的指标。

5.根据权利要求4所述的多时间尺度记忆增强的人工神经网络，其特征在于，所述记忆提取模块在记忆信息进行距离计算时，在帧距离的基础上，按照如下公式进行计算：

其中，x_ai表示第a条记忆信息的第i帧的特征向量，x_bi表示第b条记忆信息的第i帧的特征向量，dist(x_ai,x_bi)表示第a条记忆信息的第i帧的特征向量与第b条记忆信息的第i帧的特征向量之间的距离，表示对记忆尺度进行平均化以消除不同尺度匹配时尺度带来的影响；D(x_a,x_b)表示第a条记忆信息与第b条记忆信息之间的距离。

6.根据权利要求1所述的多时间尺度记忆增强的人工神经网络，其特征在于，所述记忆融合模块具体用于：

确定与所述多时间尺度的记忆信息对应的第一权值函数，并确定与所述目标记忆信息对应的第二权值函数；

根据所述第一权值函数和所述第二权值函数对所述多时间尺度的记忆信息和所述目标记忆信息进行加权求和，获得针对所述输入数据的增强表示。

7.根据权利要求6所述的多时间尺度记忆增强的人工神经网络，其特征在于，所述记忆融合模块通过以下公式获得针对所述输入数据的增强表示：

y＝(1-g(t))·input+g(t)·r·m

其中，input为所述多时间尺度的记忆信息，m为所述目标记忆信息，g(t)为与所述目标记忆信息对应的第二权值函数，(1-g(t))为与所述多时间尺度的记忆信息对应的第一权值函数，r为所述目标记忆信息之中的记忆因子，y为针对所述输入数据的增强表示。

8.根据权利要求6所述的多时间尺度记忆增强的人工神经网络，其特征在于，还包括：

环境感知模块，用于提取得到环境中相关的特征变化，并根据环境变化特征得到相应的记忆融合策略；

其中，所述记忆融合模块具体用于：

根据所述环境感知模块得到的所述记忆融合策略，确定所述第一权值函数和所述第二权值函数。