动态地指派和检查突触延迟制造技术

一种用于动态地修改神经网络中的突触延迟的方法，包括：初始化延迟参数以及操作神经网络。该方法进一步包括基于程序来动态地更新延迟参数，该程序基于包括延迟参数的语句。

【技术实现步骤摘要】
【国外来华专利技术】背景领域本公开的某些方面一般涉及神经系统工程，尤其涉及用于动态地指派和检查突触延迟的系统和方法。背景可包括一群互连的人工神经元(即神经元模型)的人工神经网络是一种计算设备或者表示将由计算设备执行的方法。人工神经网络可具有生物学神经网络中的对应的结构和/或功能。然而，人工神经网络可为其中传统计算技术是麻烦的、不切实际的、或不胜任的某些应用提供创新且有用的计算技术。人工神经网络经受突触延迟的影响。最近，突触延迟已被用于某些网络特性的兴起。在其应用期间，已发现突触延迟可允许实现丰富的特征。然而，用于网络模型中突触延迟的指派的常规方法最多是自组织的。另外，一些网络模型只允许在初始化期间指派突触延迟，且不提供在模拟期间动态地修改突触延迟的任何方法。因此，没有动态地指派和检查网络模型中的突触的延迟的标准和直接的方法。概述根据本公开的一方面，公开了一种用于动态地修改神经网络中的突触延迟的方法。该方法包括：初始化延迟参数；以及操作神经网络。该方法进一步包括基于程序来动态地更新延迟参数，该程序基于包括延迟参数的语句。根据本公开的另一方面，公开了一种用于动态地修改神经网络中的突触延迟的装置。该装置包括存储器和处理器。处理器被配置成初始化延迟参数以及操作神经网络。处理器被进一步配置成基于程序来动态地更新延迟参数，该程序基于包括延迟参数的语句。根据本公开的又一方面，公开了一种用于动态地修改神经网络中的突触延迟的装备。该装备包括用于初始化延迟参数的装置。该装备还包括用于操作神经网络的装置。此外，该装备包括用于基于程序来动态地更新延迟参数的装置，该程序基于包括延迟参数的语句。根据本公开的又一方面，公开了一种用于动态地修改神经网络中的突触延迟的计算机程序产品。该计算机程序产品包括其上编码有程序代码的非瞬态计算机可读介质。该程序代码包括用于初始化延迟参数的程序代码。该程序代码还包括用于操作神经网络的程序代码。该程序代码进一步包括用于基于程序来动态地更新延迟参数的程序代码，该程序基于包括延迟参数的语句。附图简述在结合附图理解下面阐述的详细描述时，本公开的特征、本质和优点将变得更加明显，在附图中，相同附图标记始终作相应标识。图1解说了根据本公开的某些方面的示例神经元网络。图2解说了根据本公开的某些方面的计算网络(神经系统或神经网络)的处理单元(神经元)的示例。图3解说了根据本公开的某些方面的尖峰定时依赖可塑性(STDP)曲线的示例。图4解说了根据本公开的某些方面的用于定义神经元模型的行为的正态相和负态相的示例。图5解说了根据本公开的某些方面的使用通用处理器来设计神经网络的示例实现。图6解说了根据本公开的某些方面的设计其中存储器可以与个体分布式处理单元对接的神经网络的示例实现。图7解说了根据本公开的某些方面的基于分布式存储器和分布式处理单元来设计神经网络的示例实现。图8解说了根据本公开的某些方面的神经网络的示例实现。图9是解说用于动态地修改神经网络中的突触延迟的方法的流程图。详细描述以下结合附图阐述的详细描述旨在作为各种配置的描述，而无意表示可实践本文中所描述的概念的仅有的配置。本详细描述包括具体细节以便提供对各种概念的透彻理解。然而，对于本领域技术人员将显而易见的是，没有这些具体细节也可实践这些概念。在一些实例中，以框图形式示出众所周知的结构和组件以避免湮没此类概念。基于本教导，本领域技术人员应领会，本公开的范围旨在覆盖本公开的任何方面，不论其是与本公开的任何其他方面相独立地还是组合地实现的。例如，可以使用所阐述的任何数目的方面来实现装置或实践方法。另外，本公开的范围旨在覆盖使用作为所阐述的本公开的各个方面的补充或者与之不同的其他结构、功能性、或者结构及功能性来实践的此类装置或方法。应当理解，所披露的本公开的任何方面可由权利要求的一个或多个元素来实施。措辞“示例性”在本文中用于表示“用作示例、实例或解说”。本文中描述为“示例性”的任何方面不必被解释为优于或胜过其他方面。尽管本文描述了特定方面，但这些方面的众多变体和置换落在本公开的范围之内。虽然提到了优选方面的一些益处和优点，但本公开的范围并非旨在被限定于特定益处、用途或目标。相反，本公开的各方面旨在能宽泛地应用于不同的技术、系统配置、网络和协议，其中一些作为示例在附图以及以下对优选方面的描述中解说。详细描述和附图仅仅解说本公开而非限定本公开，本公开的范围由所附权利要求及其等效技术方案来定义。示例神经系统、训练及操作图1解说了根据本公开的某些方面的具有多级神经元的示例人工神经系统100。神经系统100可具有神经元级102，该神经元级102通过突触连接网络104(即，前馈连接)来连接到另一神经元级106。为简单起见，图1中仅解说了两级神经元，尽管神经系统中可存在更少或更多级神经元。应注意，一些神经元可通过侧向连接来连接至同层中的其他神经元。此外，一些神经元可通过反馈连接来后向连接至先前层中的神经元。如图1所解说的，级102中的每一个神经元可以接收可由前级的神经元(未在图1中示出)生成的输入信号108。信号108可表示级102的神经元的输入电流。该电流可在神经元膜上累积以对膜电位进行充电。当膜电位达到其阈值时，该神经元可激发并生成输出尖峰，该输出尖峰将被传递到下一级神经元(例如，级106)。在一些建模办法中，神经元可以连续地向下一级神经元传递信号。该信号通常是膜电位的函数。此类行为可在硬件和/或软件(包括模拟和数字实现，诸如以下所述那些实现)中进行仿真或模拟。在生物学神经元中，在神经元激发时生成的输出尖峰被称为动作电位。该电信号是相对迅速、瞬态的神经脉冲，其具有约为100mV的振幅和约为1ms的历时。在具有一系列连通的神经元(例如，尖峰从图1中的一级神经元传递至另一级神经元)的神经系统的特定实施例中，每个动作电位都具有基本上相同的振幅和历时，并且因此该信号中的信息可仅由尖峰的频率和数目、或尖峰的时间来表示，而不由振幅来表示。动作电位所携带的信息可由尖峰、发放了尖峰的神经元、以及该尖峰相对于一个或数个其他尖峰的时间来确定。尖峰的重要性可由向各神经元之间的连接所应用的权重来确定，如以下所解释的。尖峰从一级神经元向另一级神经元的传递可通过突触连接(或简称“突触”)网络104来达成，如图1中所解说的。相对于突触104，级102本文档来自技高网...

【技术保护点】
一种用于动态地修改神经网络中的突触延迟的方法，包括：初始化延迟参数；操作所述神经网络；以及至少部分地基于程序来动态地更新所述延迟参数，所述程序至少部分地基于包括所述延迟参数的语句。

【技术特征摘要】
【国外来华专利技术】2013.10.17 US 14/056,8561.一种用于动态地修改神经网络中的突触延迟的方法，包括：
初始化延迟参数；
操作所述神经网络；以及
至少部分地基于程序来动态地更新所述延迟参数，所述程序至少部分地基于
包括所述延迟参数的语句。
2.如权利要求1所述的方法，其特征在于，所述延迟参数基于以下至少一者
被动态地更新：突触类型、神经元类型、以及存储器资源。
3.如权利要求1所述的方法，其特征在于，动态地更新进一步包括递增或递
减所述延迟参数。
4.如权利要求1所述的方法，其特征在于，动态地更新进一步包括针对突触
或突触族来更新所述延迟参数。
5.如权利要求1所述的方法，其特征在于，进一步包括动态地检索至少一个
延迟值。
6.如权利要求1所述的方法，其特征在于，动态地更新包括动态地更新所述
延迟参数以移除突触。
7.如权利要求1所述的方法，其特征在于，进一步包括：
确定无效的延迟参数；以及
截断所述无效的延迟参数。
8.如权利要求1所述的方法，其特征在于，进一步包括限制动态更新的数目。
9.如权利要求1所述的方法，其特征在于，所述动态地更新包括更新在将来
时间发生的延迟参数。
10.如权利要求1所述的方法，其特征在于，所述延迟参数至少部分地基于
任意函数来被动态地更新。
11.如权利要求10所述的方法，其特征在于，所述任意函数是突触群上的
概率函数或者突触群或特定突触的随时间进展的函数。
12.如权利要求11所述的方法，其特征在于，对所述延迟参数的更新是概
率性的或确定性的。
13.一种用于动态地修改神经网络中的突触延迟的装置，包括：
存储器；以及
至少一个处理器，所述至少一个处理器被配置成：
初始化延迟参数；
操作所述神经网络；以及
至少部分地基于程序来动态地更新所述延迟参数，所述程序至少部分地基
于包括所述延迟参数的语句。
14.如权利要求13所述的装置，其特征在于，所述延迟参数基于以下至少
一者被动...

【专利技术属性】
技术研发人员：A·莎拉，R·H·金鲍尔，B·什皮纳尔，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：美国;US