到神经网络中的输入制造技术

使用人工神经网络来对源自不同的传感器和换能器的数据进行抽象。一种方法可以包括识别循环人工神经网络中的活动的拓扑模式以及输出数字的集合。所述拓扑模式响应于到所述循环人工神经网络中的、源自第一传感器的第一数据以及源自第二传感器的第二数据的输入。每个拓扑模式对由所述第一数据和所述第二数据共享的特性进行抽象。所述第一传感器和所述第二传感器感测不同的数据。每个数字表示在人工神经网络中是否已经识别活动的所述拓扑模式中的一个。的一个。的一个。

【技术实现步骤摘要】
【国外来华专利技术】到神经网络中的输入


[0001]本专利技术涉及人工神经网络，并且更具体地涉及使用人工神经网络来对源自不同的传感器和换能器的数据进行抽象(abstract)。

技术介绍

[0002]人工神经网络是受生物神经元网络的结构和功能方面启发的设备。具体地，人工神经网络使用被称为节点(node)的互连构造的系统来模拟生物神经元网络的信息编码和其他处理能力。人工神经网络中的节点之间的连接的布置和强度确定由人工神经网络进行信息处理或信息存储的结果。
[0003]神经网络可以被训练以在网络中产生期望的信号流，并且实现期望的信息处理或信息存储结果。一般而言，训练神经网络将在学习阶段期间改变节点之间的连接的布置和/或强度。当对于给定的数组输入由神经网络实现足够适当的处理结果时，神经网络可以被认为经训练的。
[0004]因为训练是由神经网络执行的处理的基础，所以这些神经网络一般不能够处理在形式上或在内容上偏离训练集中的数据的数据。通过示例的方式，如果输入音频数据，已经被训练为将图像分类的神经网络图像分类器将很可能产生无意义的结果。作为另一个示例，如果输入电信信号，已经被训练为将心律失常聚类的神经网络一般将不起作用。

技术实现思路

[0005]描述了使用人工神经网络来对源自不同的传感器和换能器的数据进行抽象。
[0006]在一个实施方式中，一种方法包括识别循环人工神经网络中的活动的拓扑模式(topological pattern)以及输出数字的集合。所述拓扑模式响应于到所述循环人工神经网络中的、源自第一传感器的第一数据以及源自第二传感器的第二数据的输入。每个拓扑模式对由所述第一数据和所述第二数据共享的特性进行抽象。所述第一传感器和第二传感器感测不同的数据。每个数字表示在人工神经网络中是否已经识别活动的所述拓扑模式中的一个。对应的系统和装置——包括被编码在计算机存储介质上的计算机程序——也是可能的。
[0007]在另一个实施方式中，一种方法包括识别循环人工神经网络中的活动的拓扑模式以及输出数字的集合。所述拓扑模式中的每个指示在所述循环人工神经网络中的对源自第一传感器的第一数据和源自第二传感器的第二数据二者的一特定的操作的性能。所述第一传感器和第二传感器感测不同的数据。每个数字表示在人工神经网络中是否已经识别活动的所述拓扑模式中的一个。对应的系统和装置——包括被编码在计算机存储介质上的计算机程序——也是可能的。
[0008]在另一个实施方式中，一种循环人工神经网络包括：第一区域，所述第一区域被配置为接收源自第一传感器的数据；第二区域，所述第二区域被配置为接收源自第二传感器的数据；以及第三区域，所述第三区域被配置为接收由所述第一区域和由所述第二区域二
者进行的处理的结果。所述第一区域主要由源自所述第一传感器的数据扰动(perturb)，并且所述第二区域主要由源自所述第二传感器的数据扰动，即使当两个区域同时被扰动时。所述第三区域被配置为输出响应于由所述第一区域和由所述第二区域进行的处理的所述结果的活动的拓扑模式的存在的指示。对应的系统和装置——包括被编码在计算机存储介质上的计算机程序——也是可能的。
[0009]在另一个实施方式中，一种设备包括循环人工神经网络的分层系统(hierarchical system，分级系统)。所述分层系统的第一级包括：第一循环人工神经网络，所述第一循环人工神经网络被配置为：接收源自第一传感器的数据，并且输出响应于源自所述第一传感器的所述数据的输入的活动的拓扑模式的存在的第一指示；以及第二循环人工神经网络，所述第二循环人工神经网络被配置为：接收源自第二传感器的数据，并且输出响应于源自所述第二传感器的所述数据的输入的活动的拓扑模式的存在的第二指示，其中所述第一传感器和第二传感器感测不同的数据。所述分层系统的第二级包括第三循环人工神经网络，所述第三循环人工神经网络被配置为：接收所述第一循环人工神经网络中的活动的拓扑模式的存在的指示以及所述第二循环人工神经网络中的活动的拓扑模式的存在的指示。所述第三循环人工神经网络被配置为对由所述第一指示和所述第二指示共享的特性进行抽象。对应的系统和装置——包括被编码在计算机存储介质上的计算机程序——也是可能的。
[0010]这些和其他实施方式可以包括以下特征中的一个或多个。可以将源自所述第一传感器的所述第一数据以及源自所述第二传感器的所述第二数据输入到所述循环人工神经网络中。所述第一数据和所述第二数据可以在时间上足够接近地被输入到所述循环人工神经网络中，使得响应于所述第一数据和第二数据的输入的扰动同时存在于所述循环人工神经网络中。活动的所述拓扑模式可以是团(clique)模式。活动的所述团模式可以包围空腔。可以定义多个时间窗，在所述多个时间窗期间，人工神经网络的所述活动响应于到所述人工神经网络中的输入。可以在所述多个时间窗中的每个中识别活动的所述拓扑模式。所述第一传感器可以产生输出数据流，并且所述第二传感器可以产生较缓慢改变的或静态的输出数据。可以对所述较缓慢改变的或静态的输出数据进行速率编码(rate code)。在源自第一换能器的数据被输入到所述循环人工神经网络中的同时，经速率编码的数据可以被输入到所述循环人工神经网络中。输入源自所述第一传感器和第二传感器的数据可以包括延迟源自第一换能器的数据的输入，以协调源自所述第一传感器的数据的输入与源自所述第二传感器的数据的输入。源自所述第一传感器的数据的所述输入可以被中断，并且在该中断期间可以继续对活动的所述拓扑模式进行识别以及输出数字的所述集合。在该中断之前，识别的、活动的拓扑模式可以包括第一模式，并且在该中断期间，识别的、活动的拓扑模式还包括相同的第一模式。输入源自所述第一传感器和第二传感器的所述数据可以包括基于源自所述第二传感器的所述数据来缩放源自所述第一传感器的所述数据的幅度(magnitude)。输入源自所述第一传感器和所述第二传感器的数据可以包括基于源自所述第二传感器的数据来设置所述循环人工神经网络的参数。输入源自所述第一传感器和所述第二传感器的数据可以包括基于源自所述第二传感器的数据来设置来自所述循环人工神经网络的数据的输出的参数。输入源自所述第一传感器和所述第二传感器的数据可以包括：将源自所述第一传感器的数据输入到循环神经网络的第一区域中，其中所述第一区域
主要由源自所述第一传感器的种类的数据扰动；以及将源自所述第二传感器的数据输入到循环神经网络的第二区域中，其中所述第二区域主要由源自所述第二传感器的种类的数据扰动。所述数字可以是多值的并且表示活动的所述拓扑模式存在于人工神经网络中的概率。所述第一传感器和第二传感器可以是将不同的物理属性转换成数据的第一换能器和第二换能器。源自第三传感器的第三数据可以被输入到所述循环人工神经网络中。所述第三传感器感测与所述第一数据和第二数据不同的数据，并且所述第三数据可以被输入到所述循环人工神经网络中，使得响应于所述第一数据、所述第二数据和第三数据的输入的扰动同时存在于所述循环人工神经网络中。可以识别对由所述第一数据、所述第二数据和所述第三数据共享的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：识别循环人工神经网络中的活动的拓扑模式，其中所述拓扑模式响应于到所述循环人工神经网络中的、源自第一传感器的第一数据以及源自第二传感器的第二数据的输入，并且每个拓扑模式对由所述第一数据和所述第二数据共享的特性进行抽象，其中所述第一传感器和第二传感器感测不同的数据；以及输出数字的集合，其中每个数字表示在人工神经网络中是否已经识别了活动的所述拓扑模式中的一个。2.根据权利要求1所述的方法，其中所述方法包括：将源自所述第一传感器的所述第一数据以及源自所述第二传感器的所述第二数据输入到所述循环人工神经网络中，其中所述第一数据和所述第二数据在时间上足够接近地被输入到所述循环人工神经网络中，使得响应于所述第一数据和所述第二数据的输入的扰动同时存在于所述循环人工神经网络中。3.根据权利要求2所述的方法，其中输入源自所述第一传感器和所述第二传感器的数据包括：将源自所述第一传感器的数据输入到循环神经网络的第一区域中，其中所述第一区域主要由源自所述第一传感器的种类的数据扰动；以及将源自所述第二传感器的数据输入到循环神经网络的第二区域中，其中所述第二区域主要由源自所述第二传感器的种类的数据扰动。4.根据权利要求1所述的方法，其中活动的所述拓扑模式是团模式。5.根据权利要求4所述的方法，其中活动的所述团模式包围空腔。6.根据权利要求1所述的方法，其中所述方法还包括定义多个时间窗，在所述多个时间窗期间，人工神经网络的所述活动响应于到所述人工神经网络中的输入，其中在所述多个时间窗中的每个中识别活动的所述拓扑模式。7.根据权利要求1所述的方法，其中所述第一传感器产生输出数据流，并且所述第二传感器产生较缓慢改变的或静态的输出数据。8.根据权利要求7所述的方法，还包括对所述较缓慢改变的或静态的输出数据进行速率编码，其中在源自第一换能器的数据被输入到所述循环人工神经网络中的同时，经速率编码的数据被输入到所述循环人工神经网络中。9.根据权利要求1所述的方法，其中所述数字是多值的并且表示活动的所述拓扑模式存在于所述人工神经网络中的概率。10.根据权利要求1所述的方法，其中：所述方法还包括：将源自第三传感器的第三数据输入到所述循环人工神经网络中，其中所述第三传感器感测与所述第一数据和第二数据不同的数据，并且所述第三数据被输入到所述循环人工神经网络中，使得响应于所述第一数据、所述第二数据和第三数据的输入的扰动同时存在于所述循环人工神经网络中；以及识别活动的所述拓扑模式包括识别对由所述第一数据、所述第二数据和所述第三数据共享的特性进行抽象的拓扑模式。11.一种循环人工神经网络，包括：第一区域，所述第一区域被配置为接收源自第一传感器的数据；第二区域，所述第二区域被配置为接收源自第二传感器的数据，其中所述第一传感器
不同于所述第二传感器，其中所述第一区域主要由源自所述第一传感器的数据扰动，并且所述第二区域主要由源自所述第二传感器的数据扰动，即使当两个区域同时被扰动时；以及第三区域，所述第三区域被配置为接收由所述第一区域和由所述第二区域二者进...

【专利技术属性】
技术研发人员：H，
申请(专利权)人：英艾特股份公司，
类型：发明
国别省市：