申请/专利权人：南京航空航天大学

申请日：2021-05-25

公开（公告）日：2024-03-19

公开（公告）号：CN113255765B

主分类号：G06N3/0985

分类号：G06N3/0985;G06N5/022

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.08.31#实质审查的生效;2021.08.13#公开

摘要：本发明提供了一种基于大脑机理的认知学习方法，本发明根据环境和任务选择最合适的算法类型和参数，能在各种不同的环境和任务中获得良好的学习效果，并且能修正错误行为。该框架内部包括四个主要的模块，即认知特征提取，认知控制，学习网络以及记忆模块。其中记忆模块内部包含数据库，认知案例库，算法和超参数库，分别存储动态环境和任务的数据，认知案例以及具体的算法和超参数值。针对动态的环境和任务，可以灵活地选择出最合适的算法类型和超参数组合。同时通过“良币驱逐劣币”，用正确标记数据纠正错误标记数据，实现对训练数据的鲁棒性。

主权项：1.一种基于大脑机理的认知学习方法，其特征是：包括如下步骤：1在线学习：1a接收来自外界的动态环境和动态任务；1b认知特征提取模块提取出动态环境和动态任务的特征，并将其传给认知控制模块；1c认知控制模块在步骤1b中得到的特征与合适的算法和超参数之间建立映射关系，以获得合适的算法类型和超参数组合；1d认知控制模块从记忆模块的算法和超参数库调用步骤1c中选择的具体算法类型和超参数组合，并将其传给学习网络；1e学习网络模块执行步骤1d中调用的算法和超参数，在步骤1b提取的动态环境和动态任务中执行超参数和算法，获得相应的学习结果，并将其输出到外界的动态环境中；2离线自学习：2a将在线学习步骤1b中提取的动态环境和动态任务的原始数据存储至记忆模块中的数据库，并将动态环境和任务的特征、步骤1c中选择的算法和超参数及步骤1e中得到的学习结果作为新的认知案例，存储至记忆模块中的认知案例库；2b认知案例库采样认知案例；2c认知控制模块对步骤2b中案例的特征与合适的算法和超参数之间建立映射关系，以获得合适的算法类型和超参数组合；2d认知控制模块从记忆模块的算法和超参数库调用步骤2c中选择的具体算法类型和超参数组合，并将其传给学习网络；2e学习网络基于步骤2b中的动态环境和任务执行由步骤2d中获得的算法和超参数，获得相应的学习结果，并将其传给认知评估模块；2f认知案例库将步骤2b该案例过去的最佳学习结果传给认知评估模块；2g认知评估模块比较步骤2e中该案例的新学习结果和步骤2f中该案例的历史最佳学习结果，将取得更优学习结果的算法和超参数以及该学习结果作为更新后的历史最佳算法和超参数、学习性能，传给认知案例库，更新步骤2b中的认知案例；2h根据更新后的认知案例库重新训练认知控制模块；认知学习方法为图像分类任务，图像分类任务共有5种不同的环境即5个数据集，包括公开数据集MNIST，FashionMNIST，Cifar-10，一个取自ImageNet的子数据集，和一个取自MNIST的子数据集，图像分类任务共有2个任务，即图像分类精度百分比需求和图像分类所需时间需求，图像分类任务的认知特征包含五个数据集特征：数据集中图像的训练样本总数，数据集中图像分类类别个数，数据集中图像宽度，数据集中图像色彩特征和图像分类难度；图像分类任务有两个性能需求特征：图像分类准确率的需求和对图像分类完成时间的需求。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于大脑机理的认知学习方法

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