基于神经网络的信息识别处理方法技术

本发明专利技术涉及神经网络信息识别处理方法。系统由输入神经元、中间兴奋类与抑制类神经元、输出神经元及其之间的链路组成，信息转换成电平表，输入到神经元中，通过兴奋类神经元下延传递给一个或多个兴奋类神经元，直至输出神经元，形成自输入到输出的链路通道，通过抑制类神经元下延传递给一个或多个抑制类神经元，将抑制信号传递到兴奋类神经元或输出神经元上，阻断在兴奋类神经链路中的错误传递，得到一个正确输出结果。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
基于神经网络的信息识别处理方法一、所属
本专利技术涉及信息处理中的一种信息识别处理方法，具体涉及一种利用了神经网络技术的信息识别处理方法。本专利技术还涉及该信息识别处理方法在语音识别和图像识别上的应用。二、
技术介绍
神经网络作为一种信息处理器，是目前最被广泛关注的研究领域之一，它的主要特性在于使用空间分布元件将输入信号非线性变换为输出信号和在密集互连结构中大量地并行处理信息，这种处理器是一种具有强大功能和容错的处理器件。而且神经网络还可以通过依据于实例的训练加以编程，而不是通过例如常规处理器领域中的规定算法，其训练可以在或不在管理程序下而达到。因此，在某些需要对复杂信息进行实时处理的场合，例如在语音识别、图像识别等方面，人工神经网络结构就比数字式计算机结构显示出了巨大的优越性，不仅信息处理功能强、而且处理速度快。现已开发出诸如自适应谐振理论(ART)、反向传播(BP)网络、对流传播网络(CPN)、Hopfield网、认知机(Neocogntion)、自组织映射器(SOM)等多种结构的神经网络，应用于复杂信息的判断和识别处理。上述各种神经网络结构各有长处，又存在着各自不同的缺陷。语音识别技术是当今计算机技术研究的热门课题，它最初起源于50年代初期的Audry语音识别系统，可以识别10个英文数字。随着计算机技术的飞速发展，语音识别技术也在不断地创新发展，相断出现了动态规划技术(DP)、线性预测分析技术(LP)、动态时间归整技术(DTW)等语音识别技术和矢量量化(VQ)、隐含马尔可夫模型(HMM)等语音识别理论。-->基于动态时间归整技术的语音识别技术具有系统小，识别速度快的特点，对于小词汇量的语音识别来说非常高效，但是针对大词汇量的语音识别时则显的识别率较低，效率低下。基于统计的隐含马尔可夫模型语音识别可能是目前最成功的语音识别方法，也被许多产品化的软件所采用作为系统内核，该模型对于大词汇量具有很高的识别率，能够达到95％以上。但是该语音识别方法系统庞大，计算方法复杂，特别是该方法需要建立一个较大的语音库，仅对特定人的特定语音具有较高的识别率，而且还需有一个较长的适应周期，目前仍然存在着对非特定人的适配性差，鲁棒性能差的问题需要解决。以上种种因素，极大地制约了语音识别技术的发展应用。而从理论上讲，也只有基于神经网络的语音识别技术，配合基于神经网络的人工智能系统，才能真正做到听懂、并理解人类语言，做到100％的识别率，从而实现真正意义上的语音识别。三、
技术实现思路
本专利技术的目的是建立一种新的基于神经网络的信息识别处理方法。提供该神经网络信息识别处理方法在语音识别上的应用，是本专利技术的又一专利技术目的。本专利技术的另一专利技术目的是提供该神经网络信息识别处理方法在图像识别上的应用。本专利技术的神经网络系统由输入神经元、若干层中间兴奋类神经元与抑制类神经元、输出神经元及其之间的链路共同组成，并储存在存贮器中。神经网络信息识别处理的具体方法是：信息采集器采集的信息被转换成电平表后，输入到神经网络系统的输入神经元中，该输入神经元将输入的高电平信号等同于神经元的传递信号，一方面通过兴奋类神经元下延传递给一个或多个兴奋类神经元，经过若干层次兴奋类神经元之间的传递，直至传递到输出-->神经元，形成自输入神经元经中间神经元到输出神经元的链路通道，另一方面，输入神经元还通过抑制类神经元下延传递给一个或多个抑制类神经元，也经过若干层次抑制类神经元之间的传递，将抑制信号传递到兴奋类神经元或输出神经元上，阻断在兴奋类神经链路中的错误传递，从而得到一个与输入的信息相对应的正确输出结果。神经网络系统中的每一个神经元都是由以下结构构成：神经元类型+传递计数器+下延连接区+处理标志。其中，神经元的类型包括输入接口类、中间兴奋类、中间抑制类和输出接口类四类。输入接口类的神经元被定义为单输入多输出的神经元，该类神经元只接受两态输入，并将输入信号下延连接传递给一个或多个兴奋类或抑制类的神经元；中间类的神经元为多输入多输出的神经元，它起到连接输入和输出神经元的桥梁作用，并承担信息的传递、阻断以及延时；输出接口类神经元被定义为多输入单输出的特殊神经元，每一个此类的神经元都表示一个相应的信息输出，也就是经过神经网络处理之后，与输入信息做对应关系的结果输出。在每个神经元的传递计数器上都设定有一个确定值；神经元的下延连接区上记录着每一个向下延连接的对方神经元的地址；处理标志是指示系统对神经元进行扫描处理的标志，当神经元处于传递态时，处理标志设定为真，等待系统前来处理。神经元链路通道的形成与断开是在传递过程中，由上延神经元来决定神经元传递计数器数值的改变，当传递计数器从小于零变为大于零时，该神经元表现为传递态，按自身的属性将兴奋或抑制信号传递给下延神经元，如果与下延神经元的类型相同，则下延神经元的传递计数器加一，否则减一；如果传递计数器从大于零变为小于零时，该神经元也表现为传递态，只是如果与下延神经元的类型相同，则下延神经元的传递计数器减一，否则加一；当-->传递计数器没有通过零值，该神经元表现为常态；系统对所有处于传递态的神经元进行扫描处理，处理完的神经元由传递态变为常态，系统对处于常态的神经元不进行处理，如此重复，直至传递到的某个输出神经元的传递计数器从小于零变为大于零，即该输出神经元变为传递态时，得到一个结果输出。对于组成神经网络的神经元而言，其中间兴奋类和抑制类神经元的具体层数是在建立时根据网络规模大小来确定的，而且层与层之间也没有相互承接关系，信息可以跨位、跨层传递，并且对于单个神经元的信息传递方向由建立时确定，既可以正向传递，也可以逆向作为反馈，同时，不同类型的神经元之间也可以进行信息传递。神经网络系统是采用隔位跳行跳层的扫描方式扫描所有需要处理的神经元，采用这种扫描方式，可以使除边缘以外的每个神经元向任何方向延伸的趋势都是基本相同的，从而做到输入信号的延时传递，得以同步到达输出神经元。例如，对于一个4×4×4的神经网络，1   2  3  4    17 18 19 20    33 34 35 36    49 50 51 525   6  7  8    21 22 23 24    37 38 39 40    53 54 55 569  10 11 12    25 26 27 28    41 42 43 44    57 58 59 6013 14 15 16    29 30 31 32    45 46 47 48    61 62 63 64   一层            二层           三层           四层系统扫描的顺序应为：1  3  4  2  9 11 12  10  13  15  16  14 5  7  8  6  33  35  36  34  41  43  44  42  45  47  48  46  37 39  40  38  49  51  52  50  57  59  60  58  61  63  64  62  53 55  56  54  17  19  20  18  25  27  28  26  29  31  32  30  21 23 24 22 1……如此反复。经本文档来自技高网...

【技术保护点】
1、基于神经网络的信息识别处理方法，其特征在于：神经网络系统由储存在存贮器中的输入神经元、若干层中间兴奋类神经元与抑制类神经元、输出神经元及其之间的链路共同组成，信息采集器采集的信息被转换成电平表后，输入到神经网络系统的输入神经元中，输入神经元将输入的高电平信号等同于神经元的传递信号，一方面通过兴奋类神经元下延传递给一个或多个兴奋类神经元，经过若干层次兴奋类神经元之间的传递，直至传递到输出神经元，形成自输入神经元经中间神经元到输出神经元的链路通道，另一方面，输入神经元还通过抑制类神经元下延传递给一个或多个抑制类神经元，也经过若干层次抑制类神经元之间的传递，将抑制信号传递到兴奋类神经元或输出神经元上，阻断在兴奋类神经链路中的错误传递，从而得到一个与输入的信息相对应的正确输出结果。

【技术特征摘要】
1、基于神经网络的信息识别处理方法，其特征在于：神经网络系统由储存在存贮器中的输入神经元、若干层中间兴奋类神经元与抑制类神经元、输出神经元及其之间的链路共同组成，信息采集器采集的信息被转换成电平表后，输入到神经网络系统的输入神经元中，输入神经元将输入的高电平信号等同于神经元的传递信号，一方面通过兴奋类神经元下延传递给一个或多个兴奋类神经元，经过若干层次兴奋类神经元之间的传递，直至传递到输出神经元，形成自输入神经元经中间神经元到输出神经元的链路通道，另一方面，输入神经元还通过抑制类神经元下延传递给一个或多个抑制类神经元，也经过若干层次抑制类神经元之间的传递，将抑制信号传递到兴奋类神经元或输出神经元上，阻断在兴奋类神经链路中的错误传递，从而得到一个与输入的信息相对应的正确输出结果。2、根据权利要求1所述的信息识别处理方法，其特征在于神经链路通道的形成与阻断是以下述方式实现的：每个神经元都带有一个设定了确定值的传递计数器，该传递计数器数值的改变由上延神经元决定，当传递计数器从小于零变为大于零时，该神经元表现为传递态，并等待系统扫描处理，当得到扫描处理时，该神经元按自身的属性将兴奋或抑制信号传递给下延神经元，如果与下延神经元的类型相同，则下延神经元的传递计数器加一，否则减一；当传递计数器从大于零变为小于零时，该神经元也表现为传递态，只是当系统处理时，如果与下延神经元的类型相同，则下延神经元的传递计数器减一，否则加一；当传递计数器没有通过零值，该神经元表现为常态；系统对所有处于传递态的神经元进行扫描处理，处理完的神经元由传递态变为常态，系统对处于常态的神经元不进行处理，如此重复，直至传递到的某个输出神经元的传递计数器从小于零变为大于零，即该输出神经元变为传递态时，得到一个结果输出。3、根据权利要求1所述的信息识别处理方法，其特征在于中间兴奋类和抑制类神经元的层数是在建立时根据网络规模大小来确定，而且层与层之间无相互承接关系，信息可以跨位、跨层传递，并且对于单个神经元的信息传递方向由建立时确定，既可以正向传递，也可以逆向作为反馈，同时不同类型的神经元之间也可以进行信息传递。4、根据权利要求1所述的信息识别处理方法，其特征在于系统对所有需扫描处理的神经元的扫描是采取隔位跳行跳层的扫描方法。5、根据权利要求1所述的信息识别处理方法，其特征在于可以由多个运算单元组成并行网络，同时对输入信息进行识别处理。6、根据权利要求5所述的信息识别处理方法，其特征在于所述的运算单元可以是由个人电脑、商用微机或单片机构成。7、权利要求1所述神经网络信息识别处理方法在语音识别上的应用，其特征在于包括如下步骤：a、根据语音听觉模型将声音频谱作非对称分段，每一小段计算出一个中心频率，以该中心频率为固有频率制作理想状态弹簧震子模型，并将所有弹簧震子按照响应频率的高低顺序进行排序；b、采用音频脉冲编码方式输入语音，将声波信...

【专利技术属性】
技术研发人员：王慧东，
申请(专利权)人：王慧东，
类型：发明
国别省市：山西;14