[发明专利]一种基于噪声遮蔽的发散式人工智能记忆模型系统

摘要

本发明公开了一种基于噪声遮蔽的发散式人工智能记忆模型，将噪声发生器noiser与自编码器AE的组合成降噪模块，n个降噪模块依次串联起来构成自编码器系统AEs，自编码器系统AEs的噪声发生器noiser与自编码器AE的组合，信息首输入噪声发生器noiser，经过噪声叠加之后，依次递给下一个降噪模块多阶、逐阶降噪，AE的降噪实际上就是把信息中的噪声去除，可以看做信息量的增加。是AE拥有能够实现降噪，会恢复被一定的噪声掩盖的信息；噪声将分阶段加载串联的AE上面构成AEs，噪声按照AEs的阶数，分成不同功率的子噪声，将这些噪声子逐个加载到对应的AE上，模型就完全记忆了图像的特征，实现了信息的完备记忆。

主权项

1.一种基于噪声遮蔽的发散式人工智能记忆模型，包括自编码器AE，其特征在于：按照降噪的阶数n，预制n+1个自编码器AE和n个噪声发生器noiser，所述的n≥1，将噪声发生器noiser与自编码器AE的逐一组合成阶降噪模块，串联n阶降噪模块的n个自编码器AE构成n阶降噪，再将第n+1个自编码器AE串联在n阶降噪模块的自编码器AE的头部，构成自编码器系统AEs，所述的自编码器系统AEs的噪声发生器noiser与自编码器AE的组合，信息首先输入每阶的噪声发生器noiser，经过噪声叠加之后，传递给相应的自编码器AE，后经过噪声叠加依次递给下一个降噪模块的自编码器AE构成逐阶降噪；所述的自编码器系统AEs及逐阶进行降噪构成一个记忆体；所述的n个自编码器AE和噪声发生器noiser的输入输出的shape完全一致，所述的自编码器AE使用线性自编码器，每个噪声发生器noiser对应的噪声功率不同。