[发明专利]支持新模态在线学习的可扩展认知发育方法及系统有效
申请号: | 202110608553.5 | 申请日: | 2021-06-01 |
公开(公告)号: | CN113344215B | 公开(公告)日: | 2022-12-30 |
发明(设计)人: | 马昕;李安琪;李贻斌 | 申请(专利权)人: | 山东大学 |
主分类号: | G06N20/00 | 分类号: | G06N20/00;G06N3/08 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 黄海丽 |
地址: | 250061 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 支持 新模态 在线 学习 扩展 认知 发育 方法 系统 | ||
1.支持新模态在线学习的可扩展认知发育方法,其特征是,包括:学习阶段和应用阶段;所述学习阶段包括:
获取待识别感官刺激特征;
判断待识别感官刺激特征的模态是已有模态还是新模态;
如果待识别感官刺激特征的模态是新模态,则新增一个处理新模态的通道,所述处理新模态的通道,包括依次连接的样本层和符号层;对新增模态的通道中样本层和符号层进行节点更新或新建,通过关联层实现新增通道和原有通道的关联;
所述应用阶段,包括:获取新的待识别感官刺激特征,根据新的待识别感官刺激特征的模态输入到对应模态的通道中,对应模态通道的样本层将数据传输给符号层,符号层再传输给关联层,当有回调信号时,关联层处理后将处理结果再通过符号层传输给样本层,最后样本层给出与新的待识别感官刺激特征相关联的特征回调结果;
关联层在学习阶段中的节点激活过程,具体包括:
步骤(c1):当关联层没有新模态加入时,关联层接收来自已有通道符号层的模态-类别符号集合f;检查模态-类别符号集合f是否激活关联节点
步骤(c11):如果存在,说明网络已学习模态-类别符号集合f,则更新激活节点
步骤(c12):如果不存在,说明输入中存在新特征或输入是已知特征的新组合,建立新节点,将新知识存储进关联层;
步骤(c2):当关联层有新模态加入时,如果f=(fold,fnew)找到关联节点则关联层激活关联节点如果找不到关联节点继续寻找fold和fnew分别激活的节点和其中,fold和fnew分别为固有感知通道和新增感知通道中所有激活符号节点对应的“模态-类别”符号集合;
所述步骤(c2)寻找fold和fnew分别激活的节点和包括:
(c21)如果存在,不存在,网络已通过固有通道学习fold,而没有学习fnew;如果不曾通过新增通道获得过其他特征,即(12)成立,更新权重为w=(w,fnew),网络将获得的新模态信息与之前接收到的多模态信息结合起来;否则,说明已学习了新模态的特征fnew′,此时有三种可能:和f表示同一物体;和f表示部分特征相同的两个不同物体;和f表示样本层分类错误;
其中,fnew′为属于新模态而不同于fnew的特征,是节点的权重;
因此,关联层将首先询问用户:“输入f和是否正确”,然后接受来自用户的外部反馈信号来帮助做出判断;
如果输入f是错误的组合,正确,该输入被拒绝,激活次数加一;
如果输入f和都错误,网络拒绝此时的样本输入,并移除节点
如果输入f正确,错误,移除该节点,建立权重为f的新节点;
如果两个都正确,网络再次询问用户“和f是否表示同一物体”;
如果回答为是,激活次数加一,如果新通道输入的是名字,那么fnew是物体别名,更新权重为w=(fold,fnew);
如果回答为否,新增通道中,该输入在样本层中的学习结果应该与中同模态特征的类别k相同,删除样本层和符号层中的新节点,创建k类样本层节点;
如果和f表示不同物体时,根据公式(13)创建新的关联节点;
w=(fold,fnew),ins_num=1 (13)
其中,w为新建节点权重,ins_num为节点激活次数;
(c22)如果都不存在,说明固有模态fold和新模态fnew都没学过,网络根据公式(13)建立新节点,学习新的知识,将新的模态通道与原有网络关联起来;
(c23)如果不存在,存在,网络未学习过fold,但是该网络学习过fnew;存在两种可能:样本层分类错误或新的组合;
因此,关联层将向用户询问:“该输入是否正确”;
如果该输入正确,关联层再次询问“输入和是否代表同一物体”;用户的反馈信号是正确时,当前输入和可能表示不同角度的一个物体,所以样本层的学习结果不同,根据(14)新建关联节点,即用fold替代中的固有模态fold′后的组合作为新节点的权重;否则,拒绝该输入;
其中,是节点的权重,fold′表示中与fold包含的所有特征同模态的特征集合,\表示去除,ins_num为节点激活次数;
(c24)如果和都存在,说明fold和fnew都曾学习过,而(fold,fnew)的组合与以前不一样;
若公式(12)成立,节点未学习新感知通道Y的特征,更新权重为w=(w,fnew);
否则,关联层询问:“输入是否正确”;
如果回答为错误,该输入将被拒绝;
否则,说明当前输入f=(fold,fnew)是一个预期的组合,关联层再次询问“输入是否与代表同一物体”;
若回答为是,则利用公式(15)创建新的节点来学习当前输入f;
若回答为不是,则继续询问,如果输入和代表同一物体,利用公式(14)建立新节点;如果都不相同,通过公式(13)建立新节点;
其中,是节点的权重,fnew′为通过新增通道学习过的特征,\表示去除,ins_num为节点激活次数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110608553.5/1.html,转载请声明来源钻瓜专利网。