[发明专利]分形认知计算节点、用于学习过程的计算机实现方法、计算认知集群及计算认知架构

说明书

提供了分形认知计算节点、用于学习过程的计算机实现的方法、计算认知集群以及计算认知架构。FCN包括用于接收第一输入信号的第一输入端、用于提供第一输出信号的第一输出端、用于接收第二输入信号的第二输入端以及用于接收SA参数的第三输入信号。FCN的存储器存储条目的集合。处理单元实现将所述第一输入信号和所述第二输入信号的组合与所存储的集合进行比较并计算针对每个被比较条目的相似性度量的功能。第一输出信号被计算为对具有大于所述SA参数的相似性度量的被比较条目的选择。如果所述选择为空，则向所述存储器添加新条目。如果所述选择不为空，则将所述第一输出信号设置为所述选择。

技术领域

本发明的实施方式总体上涉及自动学习和处理机制。特别地，本发明的实施方式涉及分形认知计算节点(fractal cognitive computing node，FCN)、用于学习过程的计算机实现的方法、计算认知集群(computational cognition cluster，CLU)以及计算认知架构(computational cognition architecture，CCA)。

从生物学的角度来看，本发明的实施方式被构建在对基于神经元的生命体的潜在的一般认知机制的计算理解中。从计算的角度来看，本发明的实施方式涉及自动学习和处理机制，具体地，涉及在联结主义范式(connectionist paradigm)下并且严格地在没有神经元、没有树突或任何基于生物物理模拟的方法下的递归和并行计算方法。

根据本发明的实施方式，FCN应当被理解为根据认知和分形前提执行计算操作的节点。

问题定义

要解决的目标问题是定义认知的计算模型，其通过暴露外部输入数据，在感觉-运动情节(sensory-motor episodic)和高注意水平下产生输出关系响应，并且能够对面向组件的反应和推理行为进行建模并使之再现。

该问题可以被分成以下子问题：

认知生物学灵感：

认知定义是在认知科学方法的背景下使用的，并且确切地说，其指的是可以研究的任何类型的心理操作或结构。以更普遍的方式，可以如下定义认知：获取知识和理解思想、经验以及感觉和激励器的心理活动或过程。

目标：

■目标1：第一个目标是从计算的角度出发将认知表达为信息处理模型。从生物学的角度出发，由于世界上存在许多基于神经元的构型(configuration)和认知特征，并且它们都是通过适当的物理记忆机制例如神经元、树突和其它人为现象合成的，因此也存在基础的但未知的数据处理模型。因此，通过了解其特性，可以获得适用于类人、类生物、人造及混合应用空间的合适框架。因此，该目标是确定并入了在这些应用空间中发生的信息处理的元素的框架。

■目标2：第二个目标是在一般程序编程和基于冯诺依曼的范式下指定这样的认知信息处理模型。在指定了这样的模型之后，目标是将该模型的特征转移至通用程序编程模型以在冯诺依曼机中合成认知效果。为了实现这一里程碑，使用分形、联结主义、并行计算和递归编程在基元(primitive)表达处获得更高级别的问题简化，并且因此允许更广泛的可能的计算近似空间。

■目标3：第三个目的是将这样的认知信息处理模型建模为分形计算基元，并将其伸缩特性建模为处理的采样方法。生物认知更多的是连续时间处理而不是分析处理，并且因此更适于通过外部n维输入/输出域上的连续时间采样策略来解决。对外部数据内容的适应是作为认知一般域建模方法、将“内容”理解为相似性驱动的组成信息实例、驱动以调节并长期适应、以及最终导致维度和内容可塑性效应的本质。

计算问题说明：