通過神經電路實現因果推理的方法和神經電路的制作方法
【技術領域】
[0001] 本發明涉及神經電路技術領域，特別涉及一種通過神經電路實現因果推理的方法 和神經電路。
【背景技術】
[0002] 人腦能夠判斷出刺激的來源，例如判斷出視覺刺激和聽覺刺激，該判斷過程即是 人腦實現因果推理的過程。
[0003] 目前，隨著人工智能技術的發展，已能夠通過人工模型實現人腦的部分功能。然而 對于實現因果推理的神經電路的研究尚不成熟。相關技術中搭建的因果推理模型，運算過 程及結構都相當復雜，難以通過神經電路來實現，而且目前的模型僅能實現兩個刺激來源 的因果推理，因此實際應用價值很低。可見，目前很難通過神經電路實現因果推理。
【發明內容】
[0004] 本發明旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本發明的 目的在于提出一種通過神經電路實現因果推理的方法，能夠方便地通過神經電路實現對多 個因素進行異同判斷的因果推理。
[0005] 本發明的第二個目的在于提出一種實現因果推理的神經電路。
[0006] 根據本發明第一方面實施例的通過神經電路實現因果推理的方法，包括以下步 驟：對多個刺激的概率分布進行編碼，以發放N個輸入神經元，并獲取每個輸入神經元的平 均發放率，其中，所述N個輸入神經元的發放率符合泊松分布，其中，N為正整數；計算所述N 個輸入神經元的總的發放率，并依據所述總的發放率對所述每個輸入神經元的平均發放率 進行歸一化處理，得到所述每個輸入神經元歸一化后的平均發放率；依據所述多個刺激的 來源將N個輸入神經元發放至第一發放神經元和第二發放神經元并根據所述每個輸入神 經元歸一化后的平均發放率獲取所述第一發放神經元和第二發放神經元的輸出發放率；比 較所述第一發放神經元和第二發放神經元的輸出發放率，并獲取輸出發放率最大的發放神 經元。
[0007] 根據本發明實施例的通過神經電路實現因果推理的方法，通過對多個刺激發放N 個符合泊松分布的輸入神經元，并進一步得到每個輸入神經元歸一化后的平均發放率，并 將多個神經元發放至兩個發放神經元，然后計算兩個發放神經元的輸出發放率，最后通過 比較得到輸出發放率最大的發放神經元。由此，通過本發明實施例的神經電路，能夠推斷出 多個刺激的來源是否相同，即實現了對多個因素進行異同判斷的因果推理，推動了人工智 能技術的發展，同時該神經電路設計較為簡單，實現容易且成本較低。
[0008] 另外，根據本發明上述實施例的通過神經電路實現因果推理的方法還可以具有如 下附加的技術特征：
[0009] 根據本發明的一個實施例，通過以下公式計算每個輸入神經元的平均發放率：
[0010] r=kP(xv..,xn \ ).
[0011] 其中，r1為第i個神經元的平均發放率，k為比例系數，S,..., 為對η個刺激發放的第i個輸入神經元，Χρ…，x#η個樣本，其中，
[0012] 進一步地，所述每個輸入神經元歸一化后的平均發放率為：
[0013] 根據本發明的一個實施例，所述方法還包括：設置所述第一發放神經元和第二發 放神經元的突觸權重，具體地，當所述多個刺激的來源相同時，將Ν個輸入神經元發放至第 一發放神經元，并將所述第一發放神經元的突觸權重設置為W=/(S丨將所述第二發 放神經元的突觸權重設置為％ = /(5·丨#義當所述多個刺激的來源不同時，將Ν個輸入神 經元發放至第二發放神經元，并將所述第一發放神經元的突觸權重設置為u·,二/UV丨二 將所述第二發放神經元的突觸權重設置為W2 =
[0014] 進一步地，所述根據所述每個輸入神經元歸一化后的平均發放率和所述突觸權重 獲取所述第一發放神經元和第二發放神經元的輸出發放率具體為：通過以下公式計算所述 第一發放神經元的輸出發放率：
[0015]
H'nv.'s,)
[0016] 并通過以下公式計筧所沭第二發放神經元的輸出發放率：
[0017]
[0018] 根據本發明第二方面實施例的實現因果推理的神經電路，包括：發放模塊，用于對 多個刺激的概率分布進行編碼，以發放Ν個輸入神經元，并獲取每個輸入神經元的平均發 放率，其中，所述Ν個輸入神經元的發放率符合泊松分布，其中，Ν為正整數；歸一化模塊，用 于計算所述Ν個輸入神經元的總的發放率，并依據所述總的發放率對所述每個輸入神經元 的平均發放率進行歸一化處理，得到所述每個輸入神經元歸一化后的平均發放率；獲取模 塊，用于依據所述多個刺激的來源將Ν個輸入神經元發放至第一發放神經元和第二發放神 經元，并根據所述每個輸入神經元歸一化后的平均發放率獲取所述第一發放神經元和第二 發放神經元的輸出發放率；比較模塊，用于比較所述第一發放神經元和第二發放神經元的 輸出發放率，并獲取輸出發放率最大的發放神經元。
[0019] 根據本發明實施例的實現因果推理的神經電路，通過對多個刺激發放Ν個符合泊 松分布的輸入神經元，并進一步得到每個輸入神經元歸一化后的平均發放率，并將多個神 經元發放至兩個發放神經元，然后計算兩個發放神經元的輸出發放率，最后通過比較得到 輸出發放率最大的發放神經元。由此，通過本發明實施例的神經電路，能夠推斷出多個刺激 的來源是否相同，即實現了對多個因素進行異同判斷的因果推理，推動了人工智能技術的 發展，同時該神經電路設計較為簡單，實現容易且成本較低。
[0020] 另外，根據本發明上述實施例的實現因果推理的神經電路還可以具有如下附加的 技術特征：
[0021] 根據本發明的一個實施例，通過以下公式計算每個輸入神經元的平均發放率：
[0022]
[0023] 其中，r1為第i個神經元的平均發放率，k為比例系數， 為對η個刺激發放的第i個輸
入神經元，Χι,…，xjη個樣本，其中，
[0024]進一步地，所述每個輸入神經元歸一化后的平均發放率為：
[0025] 根據本發明的一個實施例，所述獲取模塊包括設置單元，所述設置單元用于設 置所述第一發放神經元和第二發放神經元的突觸權重，所述獲取模塊具體用于：當所 述多個刺激的來源相同時，將Ν個輸入神經元發放至第一發放神經元，并將所述第一發 放神經元的突觸權重設置為％ 故=，將所述第二發放神經元的突觸權重設置為 .?二/1>丨:當所述多個刺激的來源不同時，將N個輸入神經元發放至第二發放神經元， 并將所述第一發放神經元的突觸權重設置為^ 丨=51)，將所述第二發放神經元的突觸 權重設置為$ =)。
[0026] 進一步地，所述獲取模塊具體還用于：通過以下公式計算所述第一發放神經元的 輸出發放滋·
[0027]
[0028] 并通過以下公式計算所述第二發放神經元的輸出發放率：
[0029]
【附圖說明】
[0030] 圖1為根據本發明一個實施例的通過神經電路實現因果推理的方法的流程圖；
[0031]圖2為根據本發明一個實施例的神經電路的結構示意圖；
[0032] 圖3為根據本發明一個實施例的實現因果推理的神經電路的結構框圖。
【具體實施方式】
[0033] 下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，旨在用于解釋本發明，而不能理解為對本發明的限制。
[0034] 圖1為根據本發明一個實施例的通過神經電路實現因果推理的方法的流程圖。
[0035] 如圖1所示，本發明實施例的通過神經電路實現因果推理的方法，包括以下步驟：
[0036]S101，對多個刺激的概率分布進行編碼，以發放N個輸入神經元，并獲取每個輸入 神經元的平均發放率，其中，N個輸入神經元的發放率符合泊松分布，其中，N為正整數。
[0037] 在本發明的一個實施例中，可通過對多個刺激Si，…，Sn進行群編碼，以發放N個輸 入神經元*…、#-,...,5,f，并使N個輸入神經元的發放 率符合泊松分布。
[0038] 在本發明的一個實施例中，可對發放的N個輸入神經元進行采樣，采樣得到的樣 本xn可從均值為Sn、方差為沒〗的高斯分布中產生。因而，在N個輸入神經元的發放過程中， 參數.....v；i | 5：.....5