使用类神经元表示图以交互和自动模式创建计算语义和抽象的知识模型的基于计算机的系统技术方案

技术编号:36654577 阅读:11 留言:0更新日期:2023-02-18 13:19
一种计算机实现的神经网络图(1)系统,包括多个神经元(2)以及多个轴突和树突(4),每个神经元由动态数据结构中的唯一性可寻址节点表示,并且每个神经元包含多个数据,多个轴突和树突(4)连接它们之间的两个或多个神经元(2)以便表示关系并将一神经元(2)中包含的一个或多个数据传输到另一神经元。每个轴突(4)在其末端具有用于将其连接到神经元(2)的突触(3),并且至少一个中间神经元(2)通过中间轴突(3)或树突连接,并且其突触(3)直接连接到连接两个主神经元(2)的另一轴突(2)。两个主神经元(2)的另一轴突(2)。两个主神经元(2)的另一轴突(2)。

【技术实现步骤摘要】
使用类神经元表示图以交互和自动模式创建计算语义和抽象的知识模型的基于计算机的系统


[0001]本专利技术涉及通过使用图来以交互和自动模式创建能够计算语义和抽象的模型的知识表示的领域。
[0002]具体而言,这些图是通过使用基于神经网络表示的计算机实现的系统来生成的,该系统能够以一般更高效地管理信息或知识的方式在动态结构中创建不同的抽象层。
[0003]此外,本专利技术涉及能够以图形方式表示的动态模型中的信息的组织和语义含义的管理的领域。
[0004]具体地,语义模型被用于表示搜索、操纵信息的知识。抽象是用于定义本体以概括并集中于含义以操纵信息的系统。所实现和所描述的类神经元表示允许通过抽象和活动组件来创建交互式和自动语义建模两者。
[0005]换言之,对于本专利技术,必须注意,术语“抽象”表示将知识从事实和事件移至语义(处理想法而非事件的质量)的能力。

技术介绍

[0006]现有实体关系图通常基于标准平面语义表示。为了克服此限制,已经开发了神经网络表示,其经由轴突(定义输出链路)、树突4(定义输入链路)和突触3(定义连接)将表示信息、数据源或抽象的多个神经元彼此相关联。
[0007]由此,几乎所有现有的神经网络基于三个元素的概念:神经元A、轴突、树突4、突触和神经元B。
[0008]这种神经网络通常需要大量的神经元和轴突,这取决于所需关系的数量和要管理的信息的数量。
[0009]现有实体关系图不能够基于任何元素(动态模型)的任何输出的刺激来表达抽象或重新收集输入状态。
[0010]因此,现有实体关系图提供完全基于静态初始设计的输出。其中施加诸输入状态的次序对网络识别它们的能力没有影响。
[0011]此外,参考当前的图形表示,已知的实体关系图专用于单个域:工作流、GANTT、脑图、层级、分类法、实体关系、组织、认知图。
[0012]以下列出的不同已知的平面系统还存在许多其他共同的限制:
[0013]‑
修订,在各种图形系统的当前办法中,存在不同版本存档和/或使用不同颜色表示变化的问题;
[0014]‑
多模型(多用户/视图/用途):传统的图形系统是单片式的,以创建为了创建开始具有单独的开发历史的单独文件所需的变化。
[0015]‑
当前的建模图形系统在信息的内部被分割并且失去了整合。
[0016]现有技术的一些示例从如下是已知的:
[0017]‑
US8190422,其公开了通过将多个词典条目中的每一者与度量空间中的多个点中
的点相关联而创建的语义认知图。字典条目中的每一者与至少一个音符(onium)相关联,该至少一个音符仅包括至少一个同义词或反义词,度量空间具有拓扑和度量,多个点中的每个点的位置由所述多个点的能量函数的全局最小值来定义;
[0018]‑
CN106205248A,其公开了一种因域而异的知识学习和掌握状态的在线学习认知图,并且该系统包括用于在线学习的智能终端、服务器中的在线学习认知图生成系统、
……

[0019]‑
US8046322,其公开了一种挖掘数据以发现数据内的活动模式的方法。该方法包括接收要从至少一个数据源挖掘的数据,确定多个指定兴趣和约束中的哪些与挖掘过程相关联,从指定约束中选择将搜索算法与传播者进行组合的对应挖掘代理,以及找出满足指定兴趣和约束的任何活动模式。
附图说明
[0020]本专利技术在附图中通过示例而非限制来解说,诸附图中指示了类似附图标记。
[0021]图1a和1b示出了用于关系模型的现有技术系统的两个示例;
[0022]图1c和1d示出了与分别在图1a和1b中表示的现有技术相比的根据本专利技术的图形系统的基本原理的两个示例;
[0023]图2示出了应用于“文件系统”的根据本专利技术的系统的第一示例;
[0024]图3示出了应用于“电子邮件系统”的根据本专利技术的系统的第二示例;
[0025]图4示出了应用于“3d浏览器”的根据本专利技术的系统的第三示例;
[0026]图5示出了应用于“数据库子集复制系统”的根据本专利技术的系统的第四示例;
[0027]图6示出了应用于“抽象和亚稳态模型”的根据本专利技术的系统的第五示例;
[0028]图7示出了应用于“IoT精确大数据系统”的根据本专利技术的系统的第六示例;
[0029]图8示出了应用于“超文本系统”的根据本专利技术的系统的第七示例;
[0030]图9示出了应用于“基准和评估系统”的根据本专利技术的系统的第八示例;
[0031]图10示出了应用于“仿真和语义模型”的根据本专利技术的系统的第九示例;以及
[0032]图11示出了根据本专利技术的在先前附图中表示的元素的图例。
具体实施方式
[0033]本专利技术的目的是计算机实现的神经网络图形1系统,其包括多个神经元2,每个神经元在动态数据结构中由唯一性可寻址节点表示并且每个神经元包括多个数据。
[0034]首先,这里以下定义了在以下描述中使用的元素。
[0035]神经元2是核心元素,能够通过树突4(定义输入链接)、轴突(定义输出链接)和突触3(定义连接器)连接到多个元素。在内部,它们可容纳通过突触3互连并链接到其他神经元2或通过树突4、轴突4和突触3互连并链接到其他神经元2的处理和信息组件两者。
[0036]神经元2可包含其他神经元2作为模型(折叠、集合)或作为其可操纵或移动的一条信息。
[0037]诸神经元2可以作为诸条信息通过神经元2/树突4/轴突/突触3传输。
[0038]然后,该系统包括多个树突4及轴突,这些树突4及轴突连接其间的两个或更多个神经元2以表示关系,并且将神经元2中所包含的一个或多个数据传送至另一神经元;每个
树突/轴突4在其末端具有用于将其连接至神经元的突触3。
[0039]它们使用突触3端子以输出(轴突)和输入(树突)模式互连神经元2。
[0040]它们之间的通信信道是定向的并且可以传输本专利技术的任何元素/模块,在这种模式中是可行的复杂建模,其中信息本身是本专利技术的模型或元素。移动复杂模型或到模型、抽象和模板的链接提供管理复杂仿真、工作流、动态和自修改模型
……
的能力。
[0041]轴突4和树突4移动信息,从而在衍生(ramification)的情况下在不同的分支上复制。由于逻辑模块和与突触3的交互,它们具有与其他元素相同的精化能力。突触3将轴突/树突4连接至神经元、另一突触3或连接至轴突。
[0042]突触3支持神经元2的相同精化组件,其中通信中的更多限制被减少为在两个元素之间直接互连的连接器端子。
[0043]在大多数简单设计中,突触3仅使用代数来定义基本交互,如赋值、布尔或数学运算。在复杂建模中可以使用引擎和本地存储的混合,像神经网络及其统计模型或量子引擎(在信息是Qubit的情形中)。
[004本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的神经网络图(1)系统,包括:多个神经元(2),每个神经元由动态数据结构中的唯一性可寻址节点表示,并且每个神经元包含多个数据;多个轴突和树突(4),其连接它们之间的两个或多个神经元(2)以便将包含在一神经元(2)中的一个或多个数据传输到另一神经元;每个轴突(4)在其末端具有用于将其连接到神经元(2)或其他轴突(4)和树突(4)的一个或多个突触(3);其中至少一个中间神经元(2)通过中间轴突(4)或树突及其突触(3)直接连接到连接两个主神经元(2)的另一轴突(4);所述中间神经元(2)和中间轴突(4)被配置成用于:

以定义数据的第一组合的方式来根据所述中间神经元(2)的预选数据来选择包含在所述主神经元(2)中并且以双向方式在它们之间沿着其轴突传送的一个或多个特定数据;

以定义数据的不同于所述第一组合的第二组合的方式,根据所述中间神经元(2)的预选数据来选择不同于所述第一选择的、包含在所述主神经元(2)中并且以双向方式沿着所述轴突(4)在它们之间传送的一个或多个特定数据;

创建包括所述数据的图(1)的图形表示,其中第一抽象层由所述第一选择定义并且第二抽象层由不同于所述第一选择的所述第二选择定义。2.如权利要求1所述的计算机实现的神经网络图(1),其特征在于,包含在神经元(2)中的每个数据属于语义领域;所述中间神经元(2)和中间轴突(4)被配置成用于选择包含在所述主神经元(2)中的一个或多个特定数据,所述特定数据属于所述中间神经元的所述预选数据的相同语义领域。3.如任一前述权利要求所述的计算机实现的神经网络图(1),其特征在于,一个以上中间轴突(4)和中间神经元(2)直接连接到同一轴突。4.如权利要求3所述的计算机实现的神经网络图(1),其特征在于,每个中间轴突和中间神经元(2)被配置成选择包含在所述主神经元2中的并沿所述轴突在它们之间传送的各个不同数据。5.如任一前述权利要求所述的计算机实现的神经网络图(1),其特征在于,每个神经元(2)能配置成处于折叠状态,其中它包括包含如权利要求(1)所述的神经网络的动态数据结构的子系统。6.如任一前述权利要求所述的计算机实现的神经网络图(1),其特征在于,数据的每个组合在三维模型中以图的方式来表示。7.一种从以下中选择的动态数据结构:

文件系统;或

电子邮件系统;或

浏览器系统;或

数据库子集复制系统;或

亚稳态模型,优选地是糖尿病系统;或

IoT精确大数据;或

超文本;或

基准和评估系统;或

仿...

【专利技术属性】
技术研发人员:A
申请(专利权)人:卡塔莱克希尔有限责任公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1