申请/专利权人：江苏大学

申请日：2020-04-13

公开（公告）日：2023-06-13

公开（公告）号：CN111612125B

主分类号：G06N3/049

分类号：G06N3/049;G06N3/06;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.06.13#授权;2020.09.25#实质审查的生效;2020.09.01#公开

摘要：本发明公开了一种面向在线学习的新型HTM时间池方法及系统，利用空间池算法，获取表达当前输入的少量激活微柱；利用当前输入的位置信息，在激活微柱上生成学习细胞集和活跃细胞集；在学习细胞上对关联相邻输入的树突分支进行调整；利用缩小范围的活跃细胞集对下一次的输入进行预测。本发明利用当前输入的位置信息，在激活微柱上生成学习细胞集和活跃细胞集方式，能够针对当前序列进行学习，提高HTM学习准确性，并在在学习重复序列过程中，降低循环预测出现的可能性，提高HTM的学习效果；在学习细胞上对关联相邻输入的树突分支修改规则的调整，能够针对在线学习的特点，使得时间池算法通过一次训练，快速形成对序列的学习成果，提高HTM的学习效率。

主权项：1.一种面向在线学习的新型HTM时间池方法，其特征在于，包括如下步骤：步骤1，利用空间池算法从所有微柱中选择部分微柱进行激活，并将激活微柱对应当前的输入；步骤2，利用输入的位置信息，在被激活微柱上生成学习细胞集和临时活跃细胞集，能够让学习过程针对当前位置的序列进行，提高HTM学习准确性，并在学习重复序列过程中，有效减少自身关联的细胞数量，降低循环预测出现的可能性，提高HTM的学习效果；步骤3，对学习细胞上关联相邻输入的树突分支进行调整，并针对在线学习的特点，将新增树突分支中的突触值设定为连通值，使得时间池算法通过一次训练，快速形成对序列的记忆和学习，提高HTM的学习效率；步骤4，利用调整过的活跃细胞集对下一次的输入进行预测；若被激活微柱上的细胞被上一时刻的输入预测到，则该细胞被设为当前输入的学习细胞，表示为： 若被激活微柱上的细胞全都未被上一时刻的输入预测到，则随机选择该微柱上所有细胞中树突分支数量最少的细胞设为学习细胞，表示为： 将上述方法选出的学习细胞构成学习细胞集；其中，表示t时刻第j个微柱上第i个细胞被选为学习细胞；minithesegment’snumberofcelli，j是第j个微柱上包含最少树突分支的细胞编号，Wt为t时刻输入激活的微柱集合，表示第j个微柱上第i个细胞为t-1时刻的预测细胞；生成临时活跃细胞集的方法为：在空间池算法筛选出的被激活微柱中，若被激活的微柱上有预测细胞，则该细胞被设为活跃细胞，若被激活的微柱上没有预测细胞，则微柱上所有的细胞被设为活跃细胞； 将上述方法选出的活跃细胞构成临时活跃细胞集；其中表示t时刻第j个微柱上第i个细胞被置为活跃细胞，i为微柱上细胞的编号，j是微柱的编号，Wt为t时刻输入激活的微柱集合，表示第j个微柱上第i个细胞为t-1时刻的预测细胞；所述步骤3中调整树突分支的过程为：若当前处理的学习细胞是被上一时刻输入预测到的细胞，则调整该细胞上活跃的树突分支，加强与上一时刻输入之间的关联，该细胞上活跃树突分支选择条件为： 若当前处理的学习细胞不是被上一时刻输入预测到的细胞，则在该细胞上新增树突分支，构建与上一时刻输入学习细胞之间的突触，形成与上一时刻输入之间的关联，新增树突分支表示为： 其中，为第j个微柱中第i个细胞上所具有的第k个树突分支的连通性矩阵，At-1代表t-1时刻输入产生的活跃细胞矩阵，activeThreshold为树突分支的活跃阈值，是在第j个微柱中第i个细胞上新增的树突分支，CONNECTED_PERMANANCE为树突分支中突触的连通阈值；为t-1时刻输入对应的学习细胞矩阵；通过调整活跃细胞集进行预测的过程为：遍历HTM网络空间中的所有细胞，若细胞上存在树突分支能够被当前活跃细胞集激活，则该细胞为当前时刻的预测细胞，计算公式如下：

全文数据：

权利要求：

百度查询： 江苏大学 一种面向在线学习的新型HTM时间池方法及其系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD