用于空間目標(biāo)選擇的失衡式交叉抑制性機(jī)制的制作方法
【專利摘要】一種從多個(gè)目標(biāo)之中選擇目標(biāo)的方法包括基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡。該方法還包括基于該失衡來修改多個(gè)目標(biāo)之間的相對(duì)激活。該相對(duì)激活對(duì)應(yīng)于這些目標(biāo)之一。
【專利說明】用于空間目標(biāo)選擇的失衡式交叉抑制性機(jī)制
[0001] 相關(guān)申請(qǐng)的交叉引用
[0002] 本申請(qǐng)依據(jù)35U.S.C.§119(e)要求于2014年2月21日提交的題為"Imbalanced cross-inhibitory mechanism for spatial target selection(用于空間目標(biāo)選擇的失 衡式交叉抑制性機(jī)制)"的美國(guó)臨時(shí)專利申請(qǐng)No .61/943,231以及于2014年2月21日提交的 題為"dynamic spatial target selection(動(dòng)態(tài)空間目標(biāo)選擇)"的美國(guó)臨時(shí)專利申請(qǐng) No. 61/943，227的權(quán)益，其公開內(nèi)容通過援引整體明確納入于此。
【背景技術(shù)】 [0003] 領(lǐng)域
[0004] 本公開的某些方面一般涉及神經(jīng)系統(tǒng)工程，并且尤其涉及用于空間目標(biāo)選擇的失 衡式交叉抑制性機(jī)制的系統(tǒng)和方法。
[0005] 背景
[0006] 可包括一群互連的人工神經(jīng)元（即神經(jīng)元模型）的人工神經(jīng)網(wǎng)絡(luò)是一種計(jì)算設(shè)備 或者表示將由計(jì)算設(shè)備執(zhí)行的方法。人工神經(jīng)網(wǎng)絡(luò)可具有生物學(xué)神經(jīng)網(wǎng)絡(luò)中的對(duì)應(yīng)的結(jié)構(gòu) 和/或功能。然而，人工神經(jīng)網(wǎng)絡(luò)可為其中傳統(tǒng)計(jì)算技術(shù)是麻煩的、不切實(shí)際的、或不勝任的 某些應(yīng)用提供創(chuàng)新且有用的計(jì)算技術(shù)。由于人工神經(jīng)網(wǎng)絡(luò)能從觀察中推斷出功能，因此這 樣的網(wǎng)絡(luò)在因任務(wù)或數(shù)據(jù)的復(fù)雜度使得通過常規(guī)技術(shù)來設(shè)計(jì)該功能較為麻煩的應(yīng)用中是 特別有用的。因而，期望提供一種神經(jīng)元形態(tài)接收器以基于為目標(biāo)單元指定的失衡式交叉 抑制性機(jī)制來選擇目標(biāo)。
[0007] 概述
[0008] 根據(jù)本公開的一方面，提出了一種從多個(gè)目標(biāo)之中選擇目標(biāo)的方法。該方法包括 基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡。該方法還包括基于該失衡來修改這些目標(biāo) 之間的相對(duì)激活。該相對(duì)激活對(duì)應(yīng)于一個(gè)或多個(gè)目標(biāo)。
[0009] 本公開的另一個(gè)方面涉及一種用于從多個(gè)目標(biāo)之中選擇目標(biāo)的設(shè)備。該設(shè)備包括 用于基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡的裝置。該設(shè)備還包括用于基于該失衡 來修改這些目標(biāo)之間的相對(duì)激活的裝置。該相對(duì)激活對(duì)應(yīng)于一個(gè)或多個(gè)目標(biāo)。
[0010] 在本公開的另一方面中，公開了一種用于從多個(gè)目標(biāo)之中選擇目標(biāo)的計(jì)算機(jī)程序 產(chǎn)品。該計(jì)算機(jī)可讀介質(zhì)上記錄有非瞬態(tài)程序代碼，該程序代碼在由（諸)處理器執(zhí)行時(shí)使 得該(諸)處理器執(zhí)行如下操作:基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡。該程序代 碼還使得(諸)處理器基于該失衡來修改這些目標(biāo)之間的相對(duì)激活。該相對(duì)激活對(duì)應(yīng)于一個(gè) 或多個(gè)目標(biāo)。
[0011] 本公開的另一方面涉及一種用于從多個(gè)目標(biāo)之中選擇目標(biāo)的裝置，該裝置具有存 儲(chǔ)器和耦合于該存儲(chǔ)器的至少一個(gè)處理器。該(諸)處理器被配置成基于選擇函數(shù)來設(shè)置神 經(jīng)網(wǎng)絡(luò)中的連接的失衡。該(諸)處理器還被配置成基于該失衡來修改這些目標(biāo)之間的相對(duì) 激活。該相對(duì)激活對(duì)應(yīng)于一個(gè)或多個(gè)目標(biāo)。
[0012] 本公開的其他特征和優(yōu)點(diǎn)將在下文描述。本領(lǐng)域技術(shù)人員應(yīng)該領(lǐng)會(huì)，本公開可容 易地被用作改動(dòng)或設(shè)計(jì)用于實(shí)施與本公開相同的目的的其他結(jié)構(gòu)的基礎(chǔ)。本領(lǐng)域技術(shù)人員 還應(yīng)認(rèn)識(shí)到，這樣的等效構(gòu)造并不脫離如所附權(quán)利要求中所闡述的本公開的教導(dǎo)。被認(rèn)為 是本公開的特性的新穎特征在其組織和操作方法兩方面連同進(jìn)一步的目的和優(yōu)點(diǎn)在結(jié)合 附圖來考慮以下描述時(shí)將被更好地理解。然而，要清楚理解的是，提供每一幅附圖均僅用于 解說和描述目的，且無意作為對(duì)本公開的限定的定義。
[0013] 附圖簡(jiǎn)述
[0014] 在結(jié)合附圖理解下面闡述的詳細(xì)描述時(shí)，本發(fā)明的特征、本質(zhì)和優(yōu)點(diǎn)將變得更加 明顯，在附圖中，相同附圖標(biāo)記始終作相應(yīng)標(biāo)識(shí)。
[0015] 圖1解說根據(jù)本公開的某些方面的示例神經(jīng)元網(wǎng)絡(luò)。
[0016] 圖2解說根據(jù)本公開的某些方面的計(jì)算網(wǎng)絡(luò)（神經(jīng)系統(tǒng)或神經(jīng)網(wǎng)絡(luò)）的處理單元 (神經(jīng)元)的示例。
[0017] 圖3解說根據(jù)本公開的某些方面的尖峰定時(shí)依賴可塑性(STDP)曲線的示例。
[0018] 圖4解說根據(jù)本公開的某些方面的用于定義神經(jīng)元模型的行為的正態(tài)相和負(fù)態(tài)相 的示例。
[0019 ]圖5和6解說了根據(jù)本公開各方面的目標(biāo)地圖。
[0020] 圖7解說了神經(jīng)元的常規(guī)交叉抑制。
[0021] 圖8解說了根據(jù)本公開的一方面的目標(biāo)地圖。
[0022]圖9解說根據(jù)本公開的某些方面的使用通用處理器來設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的示例實(shí)現(xiàn)。
[0023]圖10解說根據(jù)本公開的某些方面的設(shè)計(jì)其中存儲(chǔ)器可以與個(gè)體的分布式處理單 元對(duì)接的神經(jīng)網(wǎng)絡(luò)的示例實(shí)現(xiàn)。
[0024]圖11解說根據(jù)本公開的某些方面的基于分布式存儲(chǔ)器和分布式處理單元來設(shè)計(jì) 神經(jīng)網(wǎng)絡(luò)的示例實(shí)現(xiàn)。
[0025] 圖12解說根據(jù)本公開的某些方面的神經(jīng)網(wǎng)絡(luò)的示例實(shí)現(xiàn)。
[0026] 圖13是解說根據(jù)本公開的一方面的在神經(jīng)網(wǎng)絡(luò)中選擇目標(biāo)的框圖。
[0027] 詳細(xì)描述
[0028] 以下結(jié)合附圖闡述的詳細(xì)描述旨在作為各種配置的描述，而無意表示可實(shí)踐本文 中所描述的概念的僅有的配置。本詳細(xì)描述包括具體細(xì)節(jié)以便提供對(duì)各種概念的透徹理 解。然而，對(duì)于本領(lǐng)域技術(shù)人員將顯而易見的是，沒有這些具體細(xì)節(jié)也可實(shí)踐這些概念。在 一些實(shí)例中，以框圖形式示出眾所周知的結(jié)構(gòu)和組件以避免湮沒此類概念。
[0029] 基于本教導(dǎo)，本領(lǐng)域技術(shù)人員應(yīng)領(lǐng)會(huì)，本公開的范圍旨在覆蓋本公開的任何方面， 不論其是與本公開的任何其他方面相獨(dú)立地還是組合地實(shí)現(xiàn)的。例如，可以使用所闡述的 任何數(shù)目的方面來實(shí)現(xiàn)裝置或?qū)嵺`方法。另外，本公開的范圍旨在覆蓋使用作為所闡述的 本公開的各個(gè)方面的補(bǔ)充或者與之不同的其他結(jié)構(gòu)、功能性、或者結(jié)構(gòu)及功能性來實(shí)踐的 此類裝置或方法。應(yīng)當(dāng)理解，所披露的本公開的任何方面可由權(quán)利要求的一個(gè)或多個(gè)元素 來實(shí)施。
[0030] 措辭"示例性"在本文中用于表示"用作示例、實(shí)例或解說"。本文中描述為"示例 性"的任何方面不必被解釋為優(yōu)于或勝過其他方面。
[0031] 盡管本文描述了特定方面，但這些方面的眾多變體和置換落在本公開的范圍之 內(nèi)。雖然提到了優(yōu)選方面的一些益處和優(yōu)點(diǎn)，但本公開的范圍并非旨在被限定于特定益處、 用途或目標(biāo)。相反，本公開的各方面旨在能寬泛地應(yīng)用于不同的技術(shù)、系統(tǒng)配置、網(wǎng)絡(luò)和協(xié) 議，其中一些作為示例在附圖以及以下對(duì)優(yōu)選方面的描述中解說。詳細(xì)描述和附圖僅僅解 說本公開而非限定本公開，本公開的范圍由所附權(quán)利要求及其等效技術(shù)方案來定義。
[0032] 示例神經(jīng)系統(tǒng)、訓(xùn)練及操作
[0033] 圖1解說根據(jù)本公開的某些方面的具有多級(jí)神經(jīng)元的示例人工神經(jīng)系統(tǒng)100。神經(jīng) 系統(tǒng)100可具有神經(jīng)元級(jí)102,該神經(jīng)元級(jí)102通過突觸連接網(wǎng)絡(luò)104(即，前饋連接)來連接 到另一神經(jīng)元級(jí)106。為簡(jiǎn)單起見，圖1中僅解說了兩級(jí)神經(jīng)元，盡管神經(jīng)系統(tǒng)中可存在更少 或更多級(jí)神經(jīng)元。應(yīng)注意，一些神經(jīng)元可通過側(cè)向連接來連接至同層中的其他神經(jīng)元。此 外，一些神經(jīng)元可通過反饋連接來后向連接至先前層中的神經(jīng)元。
[0034] 如圖1所解說的，級(jí)102中的每一個(gè)神經(jīng)元可以接收可由前級(jí)的神經(jīng)元(未在圖1中 示出）生成的輸入信號(hào)108。信號(hào)108可表示級(jí)102的神經(jīng)元的輸入電流。該電流可在神經(jīng)元 膜上累積以對(duì)膜電位進(jìn)行充電。當(dāng)膜電位達(dá)到其閾值時(shí)，該神經(jīng)元可激發(fā)并生成輸出尖峰， 該輸出尖峰將被傳遞到下一級(jí)神經(jīng)元(例如，級(jí)106)。在某些建模辦法中，神經(jīng)元可以連續(xù) 地向下一級(jí)神經(jīng)元傳遞信號(hào)。該信號(hào)通常是膜電位的函數(shù)。此類行為可在硬件和/或軟件 (包括模擬和數(shù)字實(shí)現(xiàn)，諸如以下所述那些實(shí)現(xiàn)）中進(jìn)行仿真或模擬。
[0035] 在生物學(xué)神經(jīng)元中，在神經(jīng)元激發(fā)時(shí)生成的輸出尖峰被稱為動(dòng)作電位。該電信號(hào) 是相對(duì)迅速、瞬態(tài)的神經(jīng)沖激，其具有約為100mV的振幅和約為lms的歷時(shí)。在具有一系列連 通的神經(jīng)元(例如，尖峰從圖1中的一級(jí)神經(jīng)元傳遞至另一級(jí)神經(jīng)元）的神經(jīng)系統(tǒng)的特定實(shí) 施例中，每個(gè)動(dòng)作電位都具有基本上相同的振幅和歷時(shí)，并且因此該信號(hào)中的信息可僅由 尖峰的頻率和數(shù)目、或尖峰的時(shí)間來表示，而不由振幅來表示。動(dòng)作電位所攜帶的信息可由 尖峰、發(fā)放了尖峰的神經(jīng)元、以及該尖峰相對(duì)于一個(gè)或數(shù)個(gè)其他尖峰的時(shí)間來確定。尖峰的 重要性可由向各神經(jīng)元之間的連接所應(yīng)用的權(quán)重來確定，如以下所解釋的。
[0036] 尖峰從一級(jí)神經(jīng)元向另一級(jí)神經(jīng)元的傳遞可通過突觸連接(或簡(jiǎn)稱"突觸"）網(wǎng)絡(luò) 104來達(dá)成，如圖1中所解說的。相對(duì)于突觸104,級(jí)102的神經(jīng)元可被視為突觸前神經(jīng)元，而 級(jí)106的神經(jīng)元可被視為突觸后神經(jīng)元。突觸104可接收來自級(jí)102的神經(jīng)元的輸出信號(hào) (即，尖峰），并根據(jù)可調(diào)節(jié)突觸權(quán)重來按比例縮放那些信號(hào)，其中P是 .? i； Λ 級(jí)102的神經(jīng)元與級(jí)106的神經(jīng)元之間的突觸連接的總數(shù)，并且i是神經(jīng)元級(jí)的指示符。在圖 1的示例中，i表示神經(jīng)元級(jí)102并且i+Ι表示神經(jīng)元級(jí)106。此外，經(jīng)按比例縮放的信號(hào)可被 組合以作為級(jí)106中每個(gè)神經(jīng)元的輸入信號(hào)。級(jí)106中的每個(gè)神經(jīng)元可基于對(duì)應(yīng)的組合輸入 信號(hào)來生成輸出尖峰110。可使用另一突觸連接網(wǎng)絡(luò)（圖1中未示出）將這些輸出尖峰110傳 遞到另一級(jí)神經(jīng)元。
[0037] 生物學(xué)突觸可以仲裁突觸后神經(jīng)元中的興奮性或抑制性(超級(jí)化)動(dòng)作，并且還可 用于放大神經(jīng)元信號(hào)。興奮性信號(hào)使膜電位去極化(即，相對(duì)于靜息電位增大膜電位）。如果 在某個(gè)時(shí)間段內(nèi)接收到足夠的興奮性信號(hào)以使膜電位去極化到高于閾值，則在突觸后神經(jīng) 元中發(fā)生動(dòng)作電位。相反，抑制性信號(hào)一般使膜電位超極化（即，降低膜電位）。抑制性信號(hào) 如果足夠強(qiáng)則可抵消掉興奮性信號(hào)之和并阻止膜電位到達(dá)閾值。除了抵消掉突觸興奮以 外，突觸抑制還可對(duì)自發(fā)活躍神經(jīng)元施加強(qiáng)力的控制。自發(fā)活躍神經(jīng)元是指在沒有進(jìn)一步 輸入的情況下（例如，由于其動(dòng)態(tài)或反饋而)發(fā)放尖峰的神經(jīng)元。通過壓制這些神經(jīng)元中的 動(dòng)作電位的自發(fā)生成，突觸抑制可對(duì)神經(jīng)元中的激發(fā)模式進(jìn)行定形，這一般被稱為雕刻。取 決于期望的行為，各種突觸104可充當(dāng)興奮性或抑制性突觸的任何組合。
[0038] 神經(jīng)系統(tǒng)100可由通用處理器、數(shù)字信號(hào)處理器(DSP)、專用集成電路(ASIC)、現(xiàn)場(chǎng) 可編程門陣列(FPGA)或其他可編程邏輯器件(PLD)、分立的門或晶體管邏輯、分立的硬件組 件、由處理器執(zhí)行的軟件模塊、或其任何組合來仿真。神經(jīng)系統(tǒng)100可用在大范圍的應(yīng)用中， 諸如圖像和模式識(shí)別、機(jī)器學(xué)習(xí)、電機(jī)控制、及類似應(yīng)用等。神經(jīng)系統(tǒng)100中的每一神經(jīng)元可 被實(shí)現(xiàn)為神經(jīng)元電路。被充電至發(fā)起輸出尖峰的閾值的神經(jīng)元膜可被實(shí)現(xiàn)為例如對(duì)流經(jīng)其 的電流進(jìn)行積分的電容器。
[0039] 在一方面，電容器作為神經(jīng)元電路的電流積分器件可被除去，并且可使用較小的 憶阻器元件來替代它。這種辦法可應(yīng)用于神經(jīng)元電路中，以及其中大容量電容器被用作電 流積分器的各種其他應(yīng)用中。另外，每個(gè)突觸104可基于憶阻器元件來實(shí)現(xiàn)，其中突觸權(quán)重 改變可與憶阻器電阻的變化有關(guān)。使用納米特征尺寸的憶阻器，可顯著地減小神經(jīng)元電路 和突觸的面積，這可使得實(shí)現(xiàn)大規(guī)模神經(jīng)系統(tǒng)硬件實(shí)現(xiàn)更為切實(shí)可行。
[0040] 對(duì)神經(jīng)系統(tǒng)100進(jìn)行仿真的神經(jīng)處理器的功能性可取決于突觸連接的權(quán)重，這些 權(quán)重可控制神經(jīng)元之間的連接的強(qiáng)度。突觸權(quán)重可存儲(chǔ)在非易失性存儲(chǔ)器中以在掉電之后 保留該處理器的功能性。在一方面，突觸權(quán)重存儲(chǔ)器可實(shí)現(xiàn)在與主神經(jīng)處理器芯片分開的 外部芯片上。突觸權(quán)重存儲(chǔ)器可與神經(jīng)處理器芯片分開地封裝成可更換的存儲(chǔ)卡。這可向 神經(jīng)處理器提供多種多樣的功能性，其中特定功能性可基于當(dāng)前附連至神經(jīng)處理器的存儲(chǔ) 卡中所存儲(chǔ)的突觸權(quán)重。
[0041] 圖2解說根據(jù)本公開的某些方面的計(jì)算網(wǎng)絡(luò)（例如，神經(jīng)系統(tǒng)或神經(jīng)網(wǎng)絡(luò)）的處理 單元(例如，神經(jīng)元或神經(jīng)元電路)202的示例性示圖200。例如，神經(jīng)元202可對(duì)應(yīng)于來自圖1 的級(jí)102和106的任何神經(jīng)元。神經(jīng)元202可接收多個(gè)輸入信號(hào)20^-20%，這些輸入信號(hào)可以 是該神經(jīng)系統(tǒng)外部的信號(hào)、或是由同一神經(jīng)系統(tǒng)的其他神經(jīng)元所生成的信號(hào)、或這兩者。輸 入信號(hào)可以是電流、電導(dǎo)、電壓、實(shí)數(shù)值的和/或復(fù)數(shù)值的。輸入信號(hào)可包括具有定點(diǎn)或浮點(diǎn) 表示的數(shù)值。可通過突觸連接將這些輸入信號(hào)遞送到神經(jīng)元202,突觸連接根據(jù)可調(diào)節(jié)突觸 權(quán)重206^206^1^??)對(duì)這些信號(hào)進(jìn)行按比例縮放，其中N可以是神經(jīng)元202的輸入連接總 數(shù)。
[0042]神經(jīng)元202可組合這些經(jīng)按比例縮放的輸入信號(hào)，并且使用組合的經(jīng)按比例縮放 的輸入來生成輸出信號(hào)208(即，信號(hào)Y)。輸出信號(hào)208可以是電流、電導(dǎo)、電壓、實(shí)數(shù)值的和/ 或復(fù)數(shù)值的。輸出信號(hào)可以是具有定點(diǎn)或浮點(diǎn)表示的數(shù)值。隨后該輸出信號(hào)208可作為輸入 信號(hào)傳遞至同一神經(jīng)系統(tǒng)的其他神經(jīng)元、或作為輸入信號(hào)傳遞至同一神經(jīng)元202、或作為該 神經(jīng)系統(tǒng)的輸出來傳遞。
[0043]處理單元(神經(jīng)元）202可由電路來仿真，并且其輸入和輸出連接可由具有突觸電 路的電連接來仿真。處理單元202及其輸入和輸出連接也可由軟件代碼來仿真。處理單元 202還可由電路來仿真，而其輸入和輸出連接可由軟件代碼來仿真。在一方面，計(jì)算網(wǎng)絡(luò)中 的處理單元202可以是模擬電路。在另一方面，處理單元202可以是數(shù)字電路。在又一方面， 處理單元202可以是具有模擬和數(shù)字組件兩者的混合信號(hào)電路。計(jì)算網(wǎng)絡(luò)可包括任何前述 形式的處理單元。使用這樣的處理單元的計(jì)算網(wǎng)絡(luò)(神經(jīng)系統(tǒng)或神經(jīng)網(wǎng)絡(luò))可用在大范圍的 應(yīng)用中，諸如圖像和模式識(shí)別、機(jī)器學(xué)習(xí)、電機(jī)控制、及類似應(yīng)用等。
[0044] 在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程期間，突觸權(quán)重(例如，來自圖1的權(quán)重Mp+1\ 、wp+1) 和/或來自圖2的權(quán)重206:-2064可用隨機(jī)值來初始化并根據(jù)學(xué)習(xí)規(guī)則而被增大或減小。本 領(lǐng)域技術(shù)人員將領(lǐng)會(huì)，學(xué)習(xí)規(guī)則的示例包括但不限于尖峰定時(shí)依賴可塑性（STDP)學(xué)習(xí)規(guī) 貝丨J、Hebb規(guī)則、0 ja規(guī)則、Bienenstock-Copper-Munro(BCM)規(guī)則等。在某些方面，這些權(quán)重可 穩(wěn)定或收斂至兩個(gè)值（即，權(quán)重的雙峰分布)之一。該效應(yīng)可被用于減少每個(gè)突觸權(quán)重的位 數(shù)、提高從/向存儲(chǔ)突觸權(quán)重的存儲(chǔ)器讀取和寫入的速度、以及降低突觸存儲(chǔ)器的功率和/ 或處理器消耗。
[0045] 突觸類型
[0046] 在神經(jīng)網(wǎng)絡(luò)的硬件和軟件模型中，突觸相關(guān)功能的處理可基于突觸類型。突觸類 型可以是非可塑突觸(權(quán)重和延遲沒有改變）、可塑突觸(權(quán)重可改變）、結(jié)構(gòu)化延遲可塑突 觸(權(quán)重和延遲可改變）、全可塑突觸(權(quán)重、延遲和連通性可改變）、以及基于此的變型（例 如，延遲可改變，但在權(quán)重或連通性方面沒有改變）。多種類型的優(yōu)點(diǎn)在于處理可以被細(xì)分。 例如，非可塑突觸不會(huì)要求執(zhí)行可塑性功能(或等待此類功能完成）。類似地，延遲和權(quán)重可 塑性可被細(xì)分成可一起或分開地、順序地或并行地運(yùn)作的操作。不同類型的突觸對(duì)于適用 的每一種不同的可塑性類型可具有不同的查找表或公式以及參數(shù)。因此，這些方法將針對(duì) 該突觸的類型來訪問相關(guān)的表、公式或參數(shù)。
[0047] 還進(jìn)一步牽涉到以下事實(shí):尖峰定時(shí)依賴型結(jié)構(gòu)化可塑性可獨(dú)立于突觸可塑性地 來執(zhí)行。結(jié)構(gòu)化可塑性即使在權(quán)重幅值沒有改變的情況下(例如，如果權(quán)重已達(dá)最小或最大 值、或者其由于某種其他原因而不被改變)也可被執(zhí)行，因?yàn)榻Y(jié)構(gòu)化可塑性（即，延遲改變的 量)可以是前-后尖峰時(shí)間差的直接函數(shù)。替換地，結(jié)構(gòu)化可塑性可被設(shè)為權(quán)重改變量的函 數(shù)或者可基于與權(quán)重或權(quán)重改變的界限有關(guān)的條件來設(shè)置。例如，突觸延遲可僅在權(quán)重改 變發(fā)生時(shí)或者在權(quán)重到達(dá)〇的情況下才改變，但在這些權(quán)重為最大值時(shí)則不改變。然而，具 有獨(dú)立函數(shù)以使得這些過程能被并行化從而減少存儲(chǔ)器訪問的次數(shù)和交疊可能是有利的。 [0048]突觸可塑性的確定
[0049] 神經(jīng)元可塑性(或簡(jiǎn)稱"可塑性"）是大腦中的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)響應(yīng)于新的信息、 感官刺激、發(fā)展、損壞、或機(jī)能障礙而改變其突觸連接和行為的能力?？伤苄詫?duì)于生物學(xué)中 的學(xué)習(xí)和記憶、以及對(duì)于計(jì)算神經(jīng)元科學(xué)和神經(jīng)網(wǎng)絡(luò)是重要的。已經(jīng)研究了各種形式的可 塑性，諸如突觸可塑性(例如，根據(jù)Hebbian理論）、尖峰定時(shí)依賴可塑性(STDP)、非突觸可塑 性、活躍性依賴可塑性、結(jié)構(gòu)化可塑性和自穩(wěn)態(tài)可塑性。
[0050] STDP是調(diào)節(jié)神經(jīng)元之間的突觸連接的強(qiáng)度的學(xué)習(xí)過程。連接強(qiáng)度是基于特定神經(jīng) 元的輸出與收到輸入尖峰（即，動(dòng)作電位)的相對(duì)定時(shí)來調(diào)節(jié)的。在STDP過程下，如果至某個(gè) 神經(jīng)元的輸入尖峰平均而言傾向于緊挨在該神經(jīng)元的輸出尖峰之前發(fā)生，則可發(fā)生長(zhǎng)期增 強(qiáng)(LTP)。于是使得該特定輸入在一定程度上更強(qiáng)。另一方面，如果輸入尖峰平均而言傾向 于緊接在輸出尖峰之后發(fā)生，則可發(fā)生長(zhǎng)期抑壓(LTD)。于是使得該特定輸入在一定程度上 更弱，并由此得名"尖峰定時(shí)依賴可塑性"。因此，使得可能是突觸后神經(jīng)元興奮原因的輸入 甚至在將來作出貢獻(xiàn)的可能性更大，而使得不是突觸后尖峰的原因的輸入在將來作出貢獻(xiàn) 的可能性更小。該過程繼續(xù)，直至初始連接集合的子集保留，而所有其他連接的影響減小至 無關(guān)緊要的水平。
[0051]由于神經(jīng)元一般在其許多輸入都在一短時(shí)段內(nèi)發(fā)生（即，累積性足以引起輸出）時(shí) 產(chǎn)生輸出尖峰，因此通常保留下來的輸入子集包括傾向于在時(shí)間上相關(guān)的那些輸入。另外， 由于在輸出尖峰之前發(fā)生的輸入被加強(qiáng)，因此提供對(duì)相關(guān)性的最早充分累積性指示的那些 輸入將最終變成至該神經(jīng)元的最后輸入。
[0052] STDP學(xué)習(xí)規(guī)則可因變于突觸前神經(jīng)元的尖峰時(shí)間tpre與突觸后神經(jīng)元的尖峰時(shí)間 tpcist之間的時(shí)間差（即，t = tpcist-tpre)來有效地適配將該突觸前神經(jīng)元連接到該突觸后神經(jīng) 元的突觸的突觸權(quán)重。STDP的典型公式化是若該時(shí)間差為正（突觸前神經(jīng)元在突觸后神經(jīng) 元之前激發(fā))則增大突觸權(quán)重（即，增強(qiáng)該突觸），以及若該時(shí)間差為負(fù)（突觸后神經(jīng)元在突 觸前神經(jīng)元之前激發(fā))則減小突觸權(quán)重(即，抑壓該突觸）。
[0053]在STDP過程中，突觸權(quán)重隨時(shí)間推移的改變可通常使用指數(shù)式衰退來達(dá)成，如由 下式給出的：
[0055] 其中k+和LTsign(At)分別是針對(duì)正和負(fù)時(shí)間差的時(shí)間常數(shù)，a+和a-是對(duì)應(yīng)的比例縮 放幅值，并且μ是可應(yīng)用于正時(shí)間差和/或負(fù)時(shí)間差的偏移。
[0056] 圖3解說根據(jù)STDP，因變于突觸前(pre)和突觸后(post)尖峰的相對(duì)定時(shí)的突觸權(quán) 重改變的示例性示圖300。如果突觸前神經(jīng)元在突觸后神經(jīng)元之前激發(fā)，則對(duì)應(yīng)的突觸權(quán)重 可被增大，如曲線圖300的部分302中所解說的。該權(quán)重增大可被稱為該突觸的LTP。從曲線 圖部分302可觀察到，LTP的量可因變于突觸前和突觸后尖峰時(shí)間之差而大致呈指數(shù)式地下 降。相反的激發(fā)次序可減小突觸權(quán)重，如曲線圖300的部分304中所解說的，從而導(dǎo)致該突觸 的 LTD。
[0057] 如圖3中的曲線圖300中所解說的，可向STDP曲線圖的LTP(因果性)部分302應(yīng)用負(fù) 偏移lx軸的交越點(diǎn)306(y = 0)可被配置成與最大時(shí)間滯后重合以考慮到來自層i-Ι的各因 果性輸入的相關(guān)性。在基于幀的輸入（即，呈特定歷時(shí)的包括尖峰或脈沖的幀的形式的輸 入)的情形中，可計(jì)算偏移值μ以反映幀邊界。該幀中的第一輸入尖峰(脈沖)可被視為要么 如直接由突觸后電位所建模地隨時(shí)間衰退，要么在對(duì)神經(jīng)狀態(tài)的影響的意義上隨時(shí)間衰 退。如果該幀中的第二輸入尖峰(脈沖)被視為與特定時(shí)間幀相關(guān)或有關(guān)，則該幀之前和之 后的有關(guān)時(shí)間可通過使STDP曲線的一個(gè)或多個(gè)部分偏移以使得這些有關(guān)時(shí)間中的值可以 不同（例如，對(duì)于大于一個(gè)幀為負(fù)，而對(duì)于小于一個(gè)幀為正)來在該時(shí)間幀邊界處被分開并 在可塑性意義上被不同地對(duì)待。例如，負(fù)偏移μ可被設(shè)為偏移LTP以使得曲線實(shí)際上在大于 幀時(shí)間的pre-post時(shí)間處變得低于零并且它由此為L(zhǎng)TD而非LTP的一部分。
[0058]神經(jīng)元模型及操作
[0059]存在一些用于設(shè)計(jì)有用的尖峰發(fā)放神經(jīng)元模型的一般原理。良好的神經(jīng)元模型在 以下兩個(gè)計(jì)算態(tài)相(regime)方面可具有豐富的潛在行為:重合性檢測(cè)和功能性計(jì)算。此外， 良好的神經(jīng)元模型應(yīng)當(dāng)具有允許時(shí)間編碼的兩個(gè)要素:輸入的抵達(dá)時(shí)間影響輸出時(shí)間，以 及重合性檢測(cè)能具有窄時(shí)間窗。最后，為了在計(jì)算上是有吸引力的，良好的神經(jīng)元模型在連 續(xù)時(shí)間上可具有閉合形式解，并且具有穩(wěn)定的行為，包括在靠近吸引子和鞍點(diǎn)之處。換言 之，有用的神經(jīng)元模型是可實(shí)踐且可被用于建模豐富的、現(xiàn)實(shí)的且生物學(xué)一致的行為并且 可被用于對(duì)神經(jīng)電路進(jìn)行工程設(shè)計(jì)和反向工程設(shè)計(jì)兩者的神經(jīng)元模型。
[0060] 神經(jīng)元模型可取決于事件，諸如輸入抵達(dá)、輸出尖峰或其他事件，無論這些事件是 內(nèi)部的還是外部的。為了達(dá)成豐富的行為庫，能展現(xiàn)復(fù)雜行為的狀態(tài)機(jī)可能是期望的。如果 事件本身的發(fā)生在撇開輸入貢獻(xiàn)(若有)的情況下能影響狀態(tài)機(jī)并約束該事件之后的動(dòng)態(tài)， 則該系統(tǒng)的將來狀態(tài)并非僅是狀態(tài)和輸入的函數(shù)，而是狀態(tài)、事件和輸入的函數(shù)。
[0061] 在一方面，神經(jīng)元η可被建模為尖峰帶漏泄積分激發(fā)神經(jīng)元，其膜電壓vn(t)由以 下動(dòng)態(tài)來支配：
[0063] 其中α和β是參數(shù)，Wm,n是將突觸前神經(jīng)元m連接至突觸后神經(jīng)元 n的突觸的突觸權(quán) 重，以及ym(t)是神經(jīng)元m的尖峰發(fā)放輸出，其可根據(jù)Δ tm,η被延遲達(dá)樹突或軸突延遲才抵達(dá) 神經(jīng)元η的胞體。
[0064] 應(yīng)注意，從建立了對(duì)突觸后神經(jīng)元的充分輸入的時(shí)間直至該突觸后神經(jīng)元實(shí)際上 激發(fā)的時(shí)間存在延遲。在動(dòng)態(tài)尖峰神經(jīng)元模型(諸如Izhikevich簡(jiǎn)單模型）中，如果在去極 化閾值v t與峰值尖峰電Svpeak之間有差量，則可引發(fā)時(shí)間延遲。例如，在該簡(jiǎn)單模型中，神經(jīng) 元胞體動(dòng)態(tài)可由關(guān)于電壓和恢復(fù)的微分方程對(duì)來支配，即：
[0067] 其中v是膜電位，u是膜恢復(fù)變量，k是描述膜電位v的時(shí)間尺度的參數(shù)，a是描述恢 復(fù)變量u的時(shí)間尺度的參數(shù)，b是描述恢復(fù)變量u對(duì)膜電位v的閾下波動(dòng)的敏感度的參數(shù)，Vi· 是膜靜息電位，I是突觸電流，以及C是膜的電容。根據(jù)該模型，神經(jīng)元被定義為在v>v peak時(shí) 發(fā)放尖峰。
[0068] Hunzinger Cold模型
[0069] Hunzinger Cold神經(jīng)元模型是能再現(xiàn)豐富多樣的各種神經(jīng)行為的最小雙態(tài)相尖 峰發(fā)放線性動(dòng)態(tài)模型。該模型的一維或二維線性動(dòng)態(tài)可具有兩個(gè)態(tài)相，其中時(shí)間常數(shù)（以及 耦合)可取決于態(tài)相。在閾下態(tài)相中，時(shí)間常數(shù)(按照慣例為負(fù)）表示漏泄通道動(dòng)態(tài)，其一般 作用于以生物學(xué)一致的線性方式使細(xì)胞返回到靜息。閾上態(tài)相中的時(shí)間常數(shù)(按照慣例為 正)反映抗漏泄通道動(dòng)態(tài)，其一般驅(qū)動(dòng)細(xì)胞發(fā)放尖峰，而同時(shí)在尖峰生成中引發(fā)等待時(shí)間。 [0070]如圖4中所解說的，該模型400的動(dòng)態(tài)可被劃分成兩個(gè)(或更多個(gè))態(tài)相。這些態(tài)相 可被稱為負(fù)態(tài)相402(也可互換地稱為帶漏泄積分激發(fā)(LIF)態(tài)相，勿與LIF神經(jīng)元模型混 淆）以及正態(tài)相404(也可互換地稱為抗漏泄積分激發(fā)(ALIF)態(tài)相，勿與ALIF神經(jīng)元模型混 淆）。在負(fù)態(tài)相402中，狀態(tài)在將來事件的時(shí)間趨向于靜息(V-)。在該負(fù)態(tài)相中，該模型一般 展現(xiàn)出時(shí)間輸入檢測(cè)性質(zhì)及其他閾下行為。在正態(tài)相404中，狀態(tài)趨向于尖峰發(fā)放事件 ( Vs)。在該正態(tài)相中，該模型展現(xiàn)出計(jì)算性質(zhì)，諸如取決于后續(xù)輸入事件而引發(fā)發(fā)放尖峰的 等待時(shí)間。在事件方面對(duì)動(dòng)態(tài)進(jìn)行公式化以及將動(dòng)態(tài)分成這兩個(gè)態(tài)相是該模型的基礎(chǔ)特 性。
[0071 ]線性雙態(tài)相二維動(dòng)態(tài)(對(duì)于狀態(tài)v和u)可按照慣例定義為：
[0074] 其中qP和r是用于耦合的線性變換變量。
[0075] 符號(hào)P在本文中用于標(biāo)示動(dòng)態(tài)態(tài)相，在討論或表達(dá)具體態(tài)相的關(guān)系時(shí)，按照慣例對(duì) 于負(fù)態(tài)相和正態(tài)相分別用符號(hào)或"+"來替換符號(hào)P。
[0076] 模型狀態(tài)通過膜電位（電壓)v和恢復(fù)電流u來定義。在基本形式中，態(tài)相在本質(zhì)上 是由模型狀態(tài)來決定的。該精確和通用的定義存在一些細(xì)微卻重要的方面，但目前考慮該 模型在電壓v高于閾值(v+)的情況下處于正態(tài)相404中，否則處于負(fù)態(tài)相402中。
[0077]態(tài)相依賴型時(shí)間常數(shù)包括負(fù)態(tài)相時(shí)間常數(shù)τ-和正態(tài)相時(shí)間常數(shù)τ+。恢復(fù)電流時(shí)間 常數(shù)tu通常是獨(dú)立于態(tài)相的。出于方便起見，負(fù)態(tài)相時(shí)間常數(shù)τ-通常被指定為反映衰退的負(fù) 量，從而用于電壓演變的相同表達(dá)式可用于正態(tài)相，在正態(tài)相中指數(shù)和τ+將一般為正，正如 tu那樣。
[0078] 這兩個(gè)狀態(tài)元素的動(dòng)態(tài)可在發(fā)生事件之際通過使?fàn)顟B(tài)偏離其零傾線（nul Ιο 1 ine) 的變換來耦合 ，其中 變換變量為：
[0079] qP = -Tp0u-Vp (7)
[0080] Γ = δ(ν+ε) (8)
[0081] 其中δ、ε、β和V-、V+是參數(shù)。Vp的兩個(gè)值是這兩個(gè)態(tài)相的參考電壓的基數(shù)。參數(shù)v-是 負(fù)態(tài)相的基電壓，并且膜電位在負(fù)態(tài)相中一般將朝向V-衰退。參數(shù)v+是正態(tài)相的基電壓，并 且膜電位在正態(tài)相中一般將趨向于背離v+。
[0082] v和u的零傾線分別由變換變量qP和r的負(fù)數(shù)給出。參數(shù)δ是控制u零傾線的斜率的 縮放因子。參數(shù)ε通常被設(shè)為等于-V-。參數(shù)β是控制這兩個(gè)態(tài)相中的ν零傾線的斜率的電阻 值。τ Ρ時(shí)間常數(shù)參數(shù)不僅控制指數(shù)式衰退，還單獨(dú)地控制每個(gè)態(tài)相中的零傾線斜率。
[0083]該模型可被定義為在電壓ν達(dá)到值vs時(shí)發(fā)放尖峰。隨后，狀態(tài)可在發(fā)生復(fù)位事件 (其可以與尖峰事件完全相同）之際被復(fù)位：
[0084] ν：= ^ (9)
[0085] u = u+ Δ u (10)
[0086] 其中1和Δ u是參數(shù)。復(fù)位電壓色通常被設(shè)為ν-。
[0087] 依照瞬時(shí)耦合的原理，閉合形式解不僅對(duì)于狀態(tài)是可能的（且具有單個(gè)指數(shù)項(xiàng)）， 而且對(duì)于到達(dá)特定狀態(tài)所需的時(shí)間也是可能的。閉合形式狀態(tài)解為：
[0090]因此，模型狀態(tài)可僅在發(fā)生事件之際被更新，諸如在輸入(突觸前尖峰)或輸出（突 觸后尖峰)之際被更新。還可在任何特定時(shí)間(無論是否有輸入或輸出)執(zhí)行操作。
[0091]此外，依照瞬時(shí)耦合原理，突觸后尖峰的時(shí)間可被預(yù)計(jì)，因此到達(dá)特定狀態(tài)的時(shí)間 可提前被確定而無需迭代技術(shù)或數(shù)值方法(例如，歐拉數(shù)值方法）。給定了先前電壓狀態(tài)V0， 直至到達(dá)電壓狀態(tài)Vf之前的時(shí)間延遲由下式給出：
[0093]如果尖峰被定義為發(fā)生在電壓狀態(tài)v到達(dá)vs的時(shí)間，則從電壓處于給定狀態(tài)v的時(shí) 間起測(cè)量的直至發(fā)生尖峰前的時(shí)間量或即相對(duì)延遲的閉合形式解為：
[0095] 其中1^+通常被設(shè)為參數(shù)v+，但其他變型可以是可能的。
[0096] 模型動(dòng)態(tài)的以上定義取決于該模型是在正態(tài)相還是負(fù)態(tài)相中。如所提及的，耦合 和態(tài)相P可基于事件來計(jì)算。出于狀態(tài)傳播的目的，態(tài)相和耦合(變換）變量可基于在上一 (先前)事件的時(shí)間的狀態(tài)來定義。出于隨后預(yù)計(jì)尖峰輸出時(shí)間的目的，態(tài)相和耦合變量可 基于在下一(當(dāng)前)事件的時(shí)間的狀態(tài)來定義。
[0097] 存在對(duì)該Cold模型、以及在時(shí)間上執(zhí)行模擬、仿真、或建模的若干可能實(shí)現(xiàn)。這包 括例如事件-更新、步點(diǎn)-事件更新、以及步點(diǎn)-更新模式。事件更新是其中基于事件或"事件 更新"（在特定時(shí)刻)來更新狀態(tài)的更新。步點(diǎn)更新是以間隔（例如，lms)來更新模型的更新。 這不一定要求迭代方法或數(shù)值方法。通過僅在事件發(fā)生于步點(diǎn)處或步點(diǎn)間的情況下才更新 模型或即通過"步點(diǎn)-事件"更新，基于事件的實(shí)現(xiàn)以有限的時(shí)間分辨率在基于步點(diǎn)的模擬 器中實(shí)現(xiàn)也是可能的。
[0098]失衡式目標(biāo)選擇
[0099] 專用于對(duì)多個(gè)目標(biāo)(諸如空間目標(biāo))采取動(dòng)作的系統(tǒng)使用各種準(zhǔn)則來選擇一個(gè)或 多個(gè)目標(biāo)。目標(biāo)的選擇可取決于正在解決的問題。例如，一種選擇準(zhǔn)則使用各目標(biāo)與對(duì)象當(dāng) 前位置之間的空間關(guān)系。在此示例中，該選擇準(zhǔn)則選擇最靠近該對(duì)象當(dāng)前位置的目標(biāo)。此 外，在本示例中，該選擇準(zhǔn)則基于空間位置的任意函數(shù)來選擇目標(biāo)。
[0100] 在另一配置中，選擇準(zhǔn)則基于網(wǎng)絡(luò)實(shí)現(xiàn)和空間位置表示。例如，在常規(guī)實(shí)現(xiàn)中，位 置由整數(shù)對(duì)(X，y)來表示。目標(biāo)可由X，y對(duì)的列表連同關(guān)于對(duì)象當(dāng)前位置的X，y對(duì)來表示?？?通過迭代遍歷目標(biāo)列表并選擇滿足選擇準(zhǔn)則的目標(biāo)(諸如選擇最靠近對(duì)象當(dāng)前位置的目 標(biāo))來應(yīng)用該選擇準(zhǔn)則。
[0101] 空間位置可用尖峰發(fā)放單元的二維(2D)網(wǎng)格來表示。該網(wǎng)格中每個(gè)單元的位置可 被映射到物理空間中的位置。單元的屬性可由該單元的活躍性(諸如尖峰發(fā)放速率)來指 示。在一個(gè)配置中，活躍單元指示該位置是感興趣的目標(biāo)。如果對(duì)象包括相對(duì)于該對(duì)象的當(dāng) 前位置的目標(biāo)地圖，則可基于交叉抑制來選擇一個(gè)或多個(gè)目標(biāo)?；诮徊嬉种苼磉x擇目標(biāo) 可被稱為贏者全得。即，對(duì)象選擇具有比其他目標(biāo)的活躍率更大的活躍率的一個(gè)或多個(gè)目 標(biāo)。在本申請(qǐng)中，目標(biāo)單元可被稱為目標(biāo)。
[0102] 連接的權(quán)重可以是非對(duì)稱的，以偏置目標(biāo)選擇。例如，單元(諸如目標(biāo)單元)抑制離 該單元和/或?qū)ο筝^遠(yuǎn)的單元。此外，在此示例中，較靠近對(duì)象(例如，機(jī)器人)的目標(biāo)單元接 收到較少的抑制權(quán)重和/或接收到興奮性權(quán)重。離該對(duì)象等距的單元可在其交叉抑制中具 有隨機(jī)失衡以緩解目標(biāo)之間的平局。在一個(gè)配置中，經(jīng)由連接提供的興奮性權(quán)重和/或抑制 性權(quán)重(例如，目標(biāo)偏置)基于下式：
[0104] 在式15中，c是比例縮放常數(shù)。在一個(gè)配置中，c等于30。此外，a是形狀常數(shù)并且可 等于0.1。此外，r是隨機(jī)數(shù)，諸如0或1，并且可被用來提供隨機(jī)失衡。另外，D pre是突觸前單元 距中心的距離，而Dpcist是突觸后單元距中心的距離。
[0105] 本公開的各方面是為被連線成基于目標(biāo)的空間關(guān)系來執(zhí)行目標(biāo)選擇的緊湊型網(wǎng) 絡(luò)來指定的。在以上示例中，抑制性權(quán)重中的失衡被指定以選擇最靠近對(duì)象的目標(biāo)。該選擇 可被稱為勝利。然而，任何的任意選擇準(zhǔn)則均可被用來偏置目標(biāo)選擇。
[0106] 如圖5中所示，目標(biāo)地圖500可由地點(diǎn)單元502的2D網(wǎng)格來表示。目標(biāo)在一位置處的 在場(chǎng)由單元的活躍性(諸如尖峰發(fā)放間隔）來指示。在一個(gè)配置中，假定了（諸）目標(biāo)在目標(biāo) 地圖500中的坐標(biāo)已被變換為相對(duì)于對(duì)象的位置而言。
[0107] 坐標(biāo)變換是指將相對(duì)于第一參考系的空間表示轉(zhuǎn)換為相對(duì)于第二參考系的實(shí)質(zhì) 上類似的表示。例如，可向?qū)ο?諸如機(jī)器人)給予目標(biāo)相對(duì)于房間西北角的坐標(biāo)集。在此示 例中，該目標(biāo)的坐標(biāo)基于世界中心參考系（即，非自我中心式坐標(biāo)表示）。盡管如此，對(duì)于計(jì) 劃朝該目標(biāo)移動(dòng)的對(duì)象而言，期望將非自我中心式坐標(biāo)轉(zhuǎn)換為相對(duì)于該對(duì)象的當(dāng)前位置和 方向的表示（即，自我中心式參考系）。即，非自我中心式坐標(biāo)應(yīng)當(dāng)被轉(zhuǎn)換為自我中心式坐 標(biāo)。該目標(biāo)的自我中心式坐標(biāo)將隨著該對(duì)象在房間內(nèi)四處移動(dòng)而改變，盡管如此，非自我中 心式坐標(biāo)將在該對(duì)象在房間內(nèi)四處移動(dòng)時(shí)保持不變。將期望維持基于對(duì)象的固定位置(諸 如地圖中心）的自我中心式坐標(biāo)。
[0108] 如圖5中所示，對(duì)象504的位置處于目標(biāo)地圖500的中心。即，與非自我中心式地圖 (未示出）形成對(duì)比的是，對(duì)象504和目標(biāo)506、508、510在圖5的目標(biāo)地圖500中的坐標(biāo)基于來 自該對(duì)象的位置的參考系。
[0109]如先前討論的，對(duì)象被指定為基于選擇準(zhǔn)則來選擇一個(gè)或多個(gè)目標(biāo)，諸如最靠近 該對(duì)象的目標(biāo)。在本配置中，網(wǎng)絡(luò)使用交叉抑制來減少并非最靠近該對(duì)象的目標(biāo)的尖峰發(fā) 放。此外，靠近該機(jī)器人的目標(biāo)的尖峰發(fā)放可被增加或按小于更遠(yuǎn)離該對(duì)象的目標(biāo)的尖峰 發(fā)放減少的速率來被減少。在一個(gè)配置中，軟目標(biāo)選擇被指定以選擇一個(gè)或多個(gè)目標(biāo)。在另 一配置中，硬目標(biāo)選擇被指定以僅選擇一個(gè)目標(biāo)。每個(gè)目標(biāo)可對(duì)應(yīng)于一個(gè)或多個(gè)活躍神經(jīng) 元。替代地，多個(gè)目標(biāo)可對(duì)應(yīng)于一個(gè)活躍神經(jīng)元。軟目標(biāo)選擇和硬目標(biāo)選擇兩者均選擇與其 他目標(biāo)相比更活躍的目標(biāo)。
[0110]圖6解說了根據(jù)本公開的一方面的目標(biāo)選擇的示例。如圖6中所示，單元612的第一 目標(biāo)地圖600包括對(duì)象604和多個(gè)目標(biāo)606、608和610。具體而言，與第二目標(biāo)608和第三目標(biāo) 610相比，第一目標(biāo)606最靠近對(duì)象604。因而，因?yàn)榈谝荒繕?biāo)606最靠近對(duì)象604，所以網(wǎng)絡(luò)使 用交叉抑制來減少第二目標(biāo)608和第三目標(biāo)610的尖峰發(fā)放。
[0111] 即，與最靠近對(duì)象的目標(biāo)相比，更遠(yuǎn)離該對(duì)象的目標(biāo)的尖峰發(fā)放被減少?？拷搶?duì) 象的這一個(gè)或多個(gè)目標(biāo)可以是僅有的進(jìn)行尖峰發(fā)放的目標(biāo)或者可以按照大于更遠(yuǎn)離該機(jī) 器人的目標(biāo)的速率來發(fā)放尖峰。因此，因?yàn)樽羁拷鼘?duì)象的目標(biāo)是僅有的進(jìn)行尖峰發(fā)放的目 標(biāo)或按照與其他目標(biāo)相比更大的速率發(fā)放尖峰，所以該對(duì)象選擇此最近的目標(biāo)。如圖6中所 示，作為交叉抑制的結(jié)果，第二目標(biāo)地圖602僅包括靠近對(duì)象614的一個(gè)活躍目標(biāo)616。
[0112] 在常規(guī)網(wǎng)絡(luò)中，交叉抑制被指定以允許一個(gè)單元按照大于另一個(gè)單元的速率發(fā)放 尖峰。即，當(dāng)期望使這些單元之一更有可能勝利時(shí)，抑制性權(quán)重可使用于選擇的偏置失衡。 例如，如果一個(gè)單元更靠近對(duì)象，則抑制性權(quán)重可偏置其他目標(biāo)的尖峰發(fā)放。
[0113]圖7解說了交叉抑制的示例。如圖7中所示，第一單元702抑制第二單元704以使得 第一單元702更有可能勝利。即，可經(jīng)由第一抑制性連接706輸出抑制性權(quán)重。第一抑制性連 接706連接至第一單元702的輸出710。第二抑制性連接708也連接至第二單元704的輸出 712。第二抑制性連接708也可向第一單元702輸出抑制性權(quán)重。盡管如此，在此配置中，第一 抑制性連接706的抑制性權(quán)重大于第二抑制性連接708的抑制性權(quán)重。因此，第一單元702抑 制第二單元704以使得第一單元702更有可能勝利。此外，第一單元702經(jīng)由第一輸入714接 收信號(hào)(例如，尖峰），而第二單元704經(jīng)由第二輸入716接收信號(hào)(例如，尖峰）。
[0114]如先前討論的，前述交叉抑制可被應(yīng)用于二維單元網(wǎng)格。圖8解說了用于目標(biāo)地圖 800中的目標(biāo)選擇的交叉抑制的示例。如先前討論的，在一個(gè)配置中，選擇函數(shù)可經(jīng)由權(quán)重 的相對(duì)比例縮放來指定。即，特定目標(biāo)可具有大于其他目標(biāo)的尖峰速率的尖峰速率。
[0115]作為示例，如圖8中所示，最靠近對(duì)象單元810(被稱為"對(duì)象"）的目標(biāo)808被選中， 因?yàn)檩^靠近對(duì)象810的單元(諸如目標(biāo)單元808和/或非目標(biāo)單元812)抑制較遠(yuǎn)離該對(duì)象810 的單元(諸如目標(biāo)單元802、804、806和/或非目標(biāo)單元812)。即，不靠近對(duì)象810的目標(biāo)單元 802、804、806的尖峰發(fā)放被抑制以使得對(duì)象810選擇最靠近的目標(biāo)單元808。在一個(gè)配置中， 多個(gè)目標(biāo)可以是候選目標(biāo)，然而，基于交叉抑制，僅一個(gè)目標(biāo)是活躍目標(biāo)。
[0116] 如圖8中所示，單元808、812、810可彼此抑制。例如，最靠近對(duì)象810的目標(biāo)單元808 抑制周圍的單元812。此外，周圍的單元812還可抑制或激勵(lì)目標(biāo)單元808。盡管如此，來自目 標(biāo)單元808的抑制輸出比在目標(biāo)單元808處從周圍單元812接收到的抑制更大。單元808、 810、812經(jīng)由連接816提供抑制性和/或興奮性輸出。
[0117] 此外，圖8示出了毗鄰于目標(biāo)單元808的單元具有抑制性連接。盡管如此，本公開的 各方面不限于僅在各單元之間指定抑制性連接，而是可在任何距離的單元之間指定抑制性 連接。
[0118] 如上面討論的，在一個(gè)配置中，在神經(jīng)網(wǎng)絡(luò)中的連接之間設(shè)置失衡。該失衡可以是 抑制性權(quán)重或興奮性權(quán)重。抑制性權(quán)重減小神經(jīng)元的尖峰發(fā)放速率，而興奮性權(quán)重增加神 經(jīng)元的尖峰發(fā)放。抑制性權(quán)重可經(jīng)由前饋邏輯抑制性連接和/或反饋邏輯抑制性連接來提 供。替代地或附加地，興奮性權(quán)重可經(jīng)由前饋興奮性抑制性連接和/或反饋邏輯興奮性連接 來提供。連接可以是一個(gè)或多個(gè)第一輸入層連接、神經(jīng)元輸入、側(cè)向連接、和/或其他類型的 連接。即，在一個(gè)配置中，連接是對(duì)神經(jīng)元的輸入。替代地或附加地，連接是神經(jīng)元之間的側(cè) 向連接。
[0119] 此外，基于選擇函數(shù)(諸如目標(biāo)單元與對(duì)象的距離)來設(shè)置失衡。盡管如此，選擇函 數(shù)不限于目標(biāo)與對(duì)象的距離，而是可基于其他準(zhǔn)則。例如，在另一配置中，基于目標(biāo)的概率 來選擇一個(gè)或多個(gè)目標(biāo)。每個(gè)目標(biāo)可對(duì)應(yīng)于多個(gè)活躍神經(jīng)元或一個(gè)活躍神經(jīng)元。該概率可 以是指尖峰發(fā)放概率。
[0120] 此外，在一個(gè)配置中，與候選目標(biāo)單元相對(duì)應(yīng)的神經(jīng)元之間的相對(duì)激活被修改。該 相對(duì)激活對(duì)應(yīng)于一個(gè)或多個(gè)目標(biāo)單元并且基于目標(biāo)之間的失衡量。相對(duì)激活被指定以使得 一個(gè)或多個(gè)目標(biāo)(例如神經(jīng)元)相比于其他目標(biāo)具有更大的活躍量。
[0121] 在一個(gè)配置中，目標(biāo)是空間目標(biāo)。如前面討論的，基于經(jīng)由神經(jīng)元之間的連接提供 的失衡量來選擇一個(gè)或多個(gè)目標(biāo)。即，對(duì)象選擇具有最高尖峰發(fā)放速率的目標(biāo)。目標(biāo)可以是 一個(gè)或多個(gè)活躍神經(jīng)元。
[0122] 圖9解說了根據(jù)本公開的某些方面的使用通用處理器902進(jìn)行前述目標(biāo)選擇的示 例實(shí)現(xiàn)900。與計(jì)算網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò))相關(guān)聯(lián)的變量(神經(jīng)信號(hào)）、突觸權(quán)重、系統(tǒng)參數(shù)，延遲， 和頻率槽信息可被存儲(chǔ)在存儲(chǔ)器塊904中，而在通用處理器902處執(zhí)行的指令可從程序存儲(chǔ) 器906中加載。在本公開的一方面中，加載到通用處理器902中的指令可包括用于設(shè)置神經(jīng) 網(wǎng)絡(luò)中的連接的失衡量和/或基于該失衡量來修改目標(biāo)之間的相對(duì)激活的代碼。
[0123] 圖10解說了根據(jù)本公開的某些方面的前述目標(biāo)選擇的示例實(shí)現(xiàn)1000,其中存儲(chǔ)器 1002可以經(jīng)由互連網(wǎng)絡(luò)1004與計(jì)算網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò)）的個(gè)體(分布式）處理單元（神經(jīng)處理 器）1006對(duì)接。與計(jì)算網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò)）相關(guān)聯(lián)的變量(神經(jīng)信號(hào)）、突觸權(quán)重、系統(tǒng)參數(shù)，延 遲，頻率槽信息、相對(duì)激活、和/或連接失衡可被存儲(chǔ)在存儲(chǔ)器1002中，并且可從存儲(chǔ)器1002 經(jīng)由互連網(wǎng)絡(luò)1004的連接被加載到每個(gè)處理單元(神經(jīng)處理器）1006中。在本公開的一方面 中，處理單元1006可被配置成設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡量和/或基于該失衡量來修改 目標(biāo)之間的相對(duì)激活。
[0124] 圖11解說前述目標(biāo)選擇的示例實(shí)現(xiàn)1100。如圖11中所解說的，一個(gè)存儲(chǔ)器組1102 可與計(jì)算網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò)）的一個(gè)處理單元1104直接對(duì)接。每一個(gè)存儲(chǔ)器組1102可存儲(chǔ)與對(duì) 應(yīng)的處理單元(神經(jīng)處理器）1104相關(guān)聯(lián)的變量(神經(jīng)信號(hào)）、突觸權(quán)重、和/或系統(tǒng)參數(shù)，延 遲、頻率槽信息、相對(duì)激活、和/或連接失衡。在本公開的一方面中，處理單元1104可被配置 成設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡量和/或基于該失衡量來修改目標(biāo)之間的相對(duì)激活。
[0125] 圖12解說根據(jù)本公開的某些方面的神經(jīng)網(wǎng)絡(luò)1200的示例實(shí)現(xiàn)。如圖12中所解說 的，神經(jīng)網(wǎng)絡(luò)1200可具有多個(gè)局部處理單元1202,它們可執(zhí)行上述方法的各種操作。每個(gè)局 部處理單元1202可包括存儲(chǔ)該神經(jīng)網(wǎng)絡(luò)的參數(shù)的局部狀態(tài)存儲(chǔ)器1204和局部參數(shù)存儲(chǔ)器 1206。另外，局部處理單元1202可具有用于存儲(chǔ)局部模型程序的局部（神經(jīng)元）模型程序 (LMP)存儲(chǔ)器1208、用于存儲(chǔ)局部學(xué)習(xí)程序的局部學(xué)習(xí)程序(LLP)存儲(chǔ)器1210、以及局部連 接存儲(chǔ)器1212。此外，如圖12中所解說的，每個(gè)局部處理單元1202可與用于提供對(duì)局部處理 單元的局部存儲(chǔ)器的配置的配置處理單元1214對(duì)接，并且與提供各局部處理單元1202之間 的路由的路由連接處理元件1216對(duì)接。
[0126] 在一個(gè)配置中，神經(jīng)元模型被配置成用于設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡量和/或 基于該失衡量來修改神經(jīng)元之間的相對(duì)激活。神經(jīng)元模型包括設(shè)置裝置和修改裝置。在一 個(gè)方面，該設(shè)置裝置和修改裝置可以是被配置成執(zhí)行所敘述的功能的通用處理器902、程序 存儲(chǔ)器906、存儲(chǔ)器塊904、存儲(chǔ)器1002、互連網(wǎng)絡(luò)1004、處理單元1006、處理單元1104、局部 處理單元1202、和/或路由連接處理元件1216。在另一配置中，前述裝置可以是被配置成執(zhí) 行由前述裝置所敘述的功能的任何模塊或任何設(shè)備。
[0127] 根據(jù)本公開的某些方面，每一個(gè)局部處理單元1202可被配置成基于神經(jīng)網(wǎng)絡(luò)的期 望的一個(gè)或多個(gè)功能性特征來確定神經(jīng)網(wǎng)絡(luò)的參數(shù)，以及隨著所確定的參數(shù)被進(jìn)一步適 配、調(diào)諧和更新來使這一個(gè)或多個(gè)功能性特征朝著期望的功能性特征發(fā)展。
[0128] 圖13解說了用于在神經(jīng)網(wǎng)絡(luò)中選擇目標(biāo)的方法1300。在框1302,神經(jīng)元模型設(shè)置 神經(jīng)網(wǎng)絡(luò)中的連接的失衡量。該失衡可基于選擇函數(shù)來設(shè)置。此外，在框1304,該神經(jīng)元模 型基于該失衡量來修改目標(biāo)之間的相對(duì)激活。該相對(duì)激活可對(duì)應(yīng)于這些目標(biāo)之一。
[0129] 以上所描述的方法的各種操作可由能夠執(zhí)行相應(yīng)功能的任何合適的裝置來執(zhí)行。 這些裝置可包括各種硬件和/或軟件組件和/或模塊，包括但不限于電路、專用集成電路 (ASIC)、或處理器。一般而言，在附圖中有解說的操作的場(chǎng)合，那些操作可具有帶相似編號(hào) 的相應(yīng)配對(duì)裝置加功能組件。
[0130]如本文所使用的，術(shù)語"確定"涵蓋各種各樣的動(dòng)作。例如，"確定"可包括演算、計(jì) 算、處理、推導(dǎo)、研究、查找(例如，在表、數(shù)據(jù)庫或其他數(shù)據(jù)結(jié)構(gòu)中查找）、探知及諸如此類。 另外，"確定"可包括接收(例如接收信息）、訪問（例如訪問存儲(chǔ)器中的數(shù)據(jù)）、及類似動(dòng)作。 而且，"確定"可包括解析、選擇、選取、確立及類似動(dòng)作。
[0131 ]如本文中所使用的，引述一列項(xiàng)目中的"至少一個(gè)"的短語是指這些項(xiàng)目的任何組 合，包括單個(gè)成員。作為示例，"a、b或c中的至少一個(gè)"旨在涵蓋:a、b、c、a_b、a_c、b_c和a_b_ c〇
[0132] 結(jié)合本公開所描述的各種解說性邏輯框、模塊、以及電路可用設(shè)計(jì)成執(zhí)行本文所 描述功能的通用處理器、數(shù)字信號(hào)處理器(DSP)、專用集成電路(ASIC)、現(xiàn)場(chǎng)可編程門陣列 信號(hào)(FPGA)或其他可編程邏輯器件(PLD)、分立的門或晶體管邏輯、分立的硬件組件或其任 何組合來實(shí)現(xiàn)或執(zhí)行。通用處理器可以是微處理器，但在替換方案中，該處理器可以是任何 市售的處理器、控制器、微控制器、或狀態(tài)機(jī)。處理器還可以被實(shí)現(xiàn)為計(jì)算設(shè)備的組合，例如 DSP與微處理器的組合、多個(gè)微處理器、與DSP核心協(xié)同的一個(gè)或多個(gè)微處理器、或任何其它 此類配置。
[0133] 結(jié)合本公開所描述的方法或算法的步驟可直接在硬件中、在由處理器執(zhí)行的軟件 模塊中、或在這兩者的組合中體現(xiàn)。軟件模塊可駐留在本領(lǐng)域所知的任何形式的存儲(chǔ)介質(zhì) 中?？墒褂玫拇鎯?chǔ)介質(zhì)的一些示例包括隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(R0M)、閃存、可 擦除可編程只讀存儲(chǔ)器(EPROM)、電可擦除可編程只讀存儲(chǔ)器(EEPR0M)、寄存器、硬盤、可移 動(dòng)盤、CD-ROM，等等。軟件模塊可包括單條指令、或許多條指令，且可分布在若干不同的代碼 段上，分布在不同的程序間以及跨多個(gè)存儲(chǔ)介質(zhì)分布。存儲(chǔ)介質(zhì)可被耦合到處理器以使得 該處理器能從/向該存儲(chǔ)介質(zhì)讀寫信息。替換地，存儲(chǔ)介質(zhì)可以被整合到處理器。
[0134] 本文所公開的方法包括用于實(shí)現(xiàn)所描述的方法的一個(gè)或多個(gè)步驟或動(dòng)作。這些方 法步驟和/或動(dòng)作可以彼此互換而不會(huì)脫離權(quán)利要求的范圍。換言之，除非指定了步驟或動(dòng) 作的特定次序，否則具體步驟和/或動(dòng)作的次序和/或使用可以改動(dòng)而不會(huì)脫離權(quán)利要求的 范圍。
[0135] 所描述的功能可在硬件、軟件、固件、或其任何組合中實(shí)現(xiàn)。如果以硬件實(shí)現(xiàn)，則示 例硬件配置可包括設(shè)備中的處理系統(tǒng)。處理系統(tǒng)可以用總線架構(gòu)來實(shí)現(xiàn)。取決于處理系統(tǒng) 的具體應(yīng)用和整體設(shè)計(jì)約束，總線可包括任何數(shù)目的互連總線和橋接器?？偩€可將包括處 理器、機(jī)器可讀介質(zhì)、以及總線接口的各種電路鏈接在一起。總線接口可用于尤其將網(wǎng)絡(luò)適 配器等經(jīng)由總線連接至處理系統(tǒng)。網(wǎng)絡(luò)適配器可用于實(shí)現(xiàn)信號(hào)處理功能。對(duì)于某些方面，用 戶接口（例如，按鍵板、顯示器、鼠標(biāo)、操縱桿，等等)也可以被連接到總線?？偩€還可以鏈接 各種其他電路，諸如定時(shí)源、外圍設(shè)備、穩(wěn)壓器、功率管理電路以及類似電路，它們?cè)诒绢I(lǐng)域 中是眾所周知的，因此將不再進(jìn)一步描述。
[0136] 處理器可負(fù)責(zé)管理總線和一般處理，包括執(zhí)行存儲(chǔ)在機(jī)器可讀介質(zhì)上的軟件。處 理器可用一個(gè)或多個(gè)通用和/或?qū)Ｓ锰幚砥鱽韺?shí)現(xiàn)。示例包括微處理器、微控制器、DSP處理 器、以及其他能執(zhí)行軟件的電路系統(tǒng)。軟件應(yīng)當(dāng)被寬泛地解釋成意指指令、數(shù)據(jù)、或其任何 組合，無論是被稱作軟件、固件、中間件、微代碼、硬件描述語言、或其他。作為示例，機(jī)器可 讀介質(zhì)可包括隨機(jī)存取存儲(chǔ)器(RAM)、閃存、只讀存儲(chǔ)器(R0M)、可編程只讀存儲(chǔ)器(PR0M)、 可擦式可編程只讀存儲(chǔ)器(EPROM)、電可擦式可編程只讀存儲(chǔ)器(EEPR0M)、寄存器、磁盤、光 盤、硬驅(qū)動(dòng)器、或者任何其他合適的存儲(chǔ)介質(zhì)、或其任何組合。機(jī)器可讀介質(zhì)可被實(shí)施在計(jì) 算機(jī)程序產(chǎn)品中。該計(jì)算機(jī)程序產(chǎn)品可以包括包裝材料。
[0137] 在硬件實(shí)現(xiàn)中，機(jī)器可讀介質(zhì)可以是處理系統(tǒng)中與處理器分開的一部分。然而，如 本領(lǐng)域技術(shù)人員將容易領(lǐng)會(huì)的，機(jī)器可讀介質(zhì)、或其任何部分可在處理系統(tǒng)外部。作為示 例，機(jī)器可讀介質(zhì)可包括傳輸線、由數(shù)據(jù)調(diào)制的載波、和/或與設(shè)備分開的計(jì)算機(jī)產(chǎn)品，所有 這些都可由處理器通過總線接口來訪問。替換地或補(bǔ)充地，機(jī)器可讀介質(zhì)、或其任何部分可 被集成到處理器中，諸如高速緩存和/或通用寄存器文件可能就是這種情形。雖然所討論的 各種組件可被描述為具有特定位置，諸如局部組件，但它們也可按各種方式來配置，諸如某 些組件被配置成分布式計(jì)算系統(tǒng)的一部分。
[0138] 處理系統(tǒng)可以被配置為通用處理系統(tǒng)，該通用處理系統(tǒng)具有一個(gè)或多個(gè)提供處理 器功能性的微處理器、和提供機(jī)器可讀介質(zhì)中的至少一部分的外部存儲(chǔ)器，它們都通過外 部總線架構(gòu)與其他支持電路系統(tǒng)鏈接在一起。替換地，該處理系統(tǒng)可以包括一個(gè)或多個(gè)神 經(jīng)元形態(tài)處理器以用于實(shí)現(xiàn)本文所述的神經(jīng)元模型和神經(jīng)系統(tǒng)模型。作為另一替代方案， 處理系統(tǒng)可以用帶有集成在單塊芯片中的處理器、總線接口、用戶接口、支持電路系統(tǒng)、和 至少一部分機(jī)器可讀介質(zhì)的專用集成電路(ASIC)來實(shí)現(xiàn)，或者用一個(gè)或多個(gè)現(xiàn)場(chǎng)可編程門 陣列(FPGA)、可編程邏輯器件(PLD)、控制器、狀態(tài)機(jī)、門控邏輯、分立硬件組件、或者任何其 他合適的電路系統(tǒng)、或者能執(zhí)行本公開通篇所描述的各種功能性的電路的任何組合來實(shí) 現(xiàn)。取決于具體應(yīng)用和加諸于整體系統(tǒng)上的總設(shè)計(jì)約束，本領(lǐng)域技術(shù)人員將認(rèn)識(shí)到如何最 佳地實(shí)現(xiàn)關(guān)于處理系統(tǒng)所描述的功能性。
[0139] 機(jī)器可讀介質(zhì)可包括數(shù)個(gè)軟件模塊。這些軟件模塊包括當(dāng)由處理器執(zhí)行時(shí)使處理 系統(tǒng)執(zhí)行各種功能的指令。這些軟件模塊可包括傳輸模塊和接收模塊。每個(gè)軟件模塊可以 駐留在單個(gè)存儲(chǔ)設(shè)備中或者跨多個(gè)存儲(chǔ)設(shè)備分布。作為示例，當(dāng)觸發(fā)事件發(fā)生時(shí)，可以從硬 驅(qū)動(dòng)器中將軟件模塊加載到RAM中。在軟件模塊執(zhí)行期間，處理器可以將一些指令加載到高 速緩存中以提高訪問速度。隨后可將一個(gè)或多個(gè)高速緩存行加載到通用寄存器文件中以供 由處理器執(zhí)行。在以下談及軟件模塊的功能性時(shí)，將理解此類功能性是在處理器執(zhí)行來自 該軟件模塊的指令時(shí)由該處理器來實(shí)現(xiàn)的。
[0140] 如果以軟件實(shí)現(xiàn)，則各功能可作為一條或多條指令或代碼存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì) 上或藉其進(jìn)行傳送。計(jì)算機(jī)可讀介質(zhì)包括計(jì)算機(jī)存儲(chǔ)介質(zhì)和通信介質(zhì)兩者，這些介質(zhì)包括 促成計(jì)算機(jī)程序從一地向另一地轉(zhuǎn)移的任何介質(zhì)。存儲(chǔ)介質(zhì)可以是能被計(jì)算機(jī)訪問的任何 可用介質(zhì)。作為示例而非限定，這樣的計(jì)算機(jī)可讀介質(zhì)可包括RAM、ROM、EEPROM、CD-ROM或其 它光盤存儲(chǔ)、磁盤存儲(chǔ)或其它磁存儲(chǔ)設(shè)備、或能被用來攜帶或存儲(chǔ)指令或數(shù)據(jù)結(jié)構(gòu)形式的 期望程序代碼且能被計(jì)算機(jī)訪問的任何其它介質(zhì)。另外，任何連接也被正當(dāng)?shù)胤Q為計(jì)算機(jī) 可讀介質(zhì)。例如，如果軟件是使用同軸電纜、光纖電纜、雙絞線、數(shù)字訂戶線(DSL)、或無線技 術(shù)(諸如紅外（IR)、無線電、以及微波)從web網(wǎng)站、服務(wù)器、或其他遠(yuǎn)程源傳送而來，則該同 軸電纜、光纖電纜、雙絞線、DSL或無線技術(shù)(諸如紅外、無線電、以及微波)就被包括在介質(zhì) 的定義之中。如本文中所使用的盤(disk)和碟(disc)包括壓縮碟(CD)、激光碟、光碟、數(shù)字 多用碟(DVD)、軟盤、和藍(lán)光⑧碟，其中盤(disk)常常磁性地再現(xiàn)數(shù)據(jù)，而碟(disc)用激光來 光學(xué)地再現(xiàn)數(shù)據(jù)。因此，在一些方面，計(jì)算機(jī)可讀介質(zhì)可包括非瞬態(tài)計(jì)算機(jī)可讀介質(zhì)(例如， 有形介質(zhì)）。另外，對(duì)于其他方面，計(jì)算機(jī)可讀介質(zhì)可包括瞬態(tài)計(jì)算機(jī)可讀介質(zhì)（例如，信 號(hào)）。上述的組合也應(yīng)被包括在計(jì)算機(jī)可讀介質(zhì)的范圍內(nèi)。
[0141]因此，某些方面可包括用于執(zhí)行本文中給出的操作的計(jì)算機(jī)程序產(chǎn)品。例如，此類 計(jì)算機(jī)程序產(chǎn)品可包括其上存儲(chǔ)(和/或編碼)有指令的計(jì)算機(jī)可讀介質(zhì)，這些指令能由一 個(gè)或多個(gè)處理器執(zhí)行以執(zhí)行本文中所描述的操作。對(duì)于某些方面，計(jì)算機(jī)程序產(chǎn)品可包括 包裝材料。
[0142] 此外，應(yīng)當(dāng)領(lǐng)會(huì)，用于執(zhí)行本文中所描述的方法和技術(shù)的模塊和/或其它恰適裝置 能由用戶終端和/或基站在適用的場(chǎng)合下載和/或以其他方式獲得。例如，此類設(shè)備能被耦 合至服務(wù)器以促成用于執(zhí)行本文中所描述的方法的裝置的轉(zhuǎn)移。替換地，本文所述的各種 方法能經(jīng)由存儲(chǔ)裝置(例如，RAM、R0M、諸如壓縮碟(CD)或軟盤等物理存儲(chǔ)介質(zhì)等)來提供， 以使得一旦將該存儲(chǔ)裝置耦合至或提供給用戶終端和/或基站，該設(shè)備就能獲得各種方法。 此外，能利用適于向設(shè)備提供本文描述的方法和技術(shù)的任何其他合適的技術(shù)。
[0143] 應(yīng)該理解的是，權(quán)利要求并不被限定于以上所解說的精確配置和組件?？稍谝陨?所描述的方法和設(shè)備的布局、操作和細(xì)節(jié)上作出各種改動(dòng)、更換和變形而不會(huì)脫離權(quán)利要 求的范圍。
【主權(quán)項(xiàng)】
1. 一種從多個(gè)目標(biāo)中選擇目標(biāo)的方法，包括： 至少部分地基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡；以及 至少部分地基于所述失衡來修改所述多個(gè)目標(biāo)之間的相對(duì)激活，所述相對(duì)激活對(duì)應(yīng)于 至少一個(gè)目標(biāo)。2. 如權(quán)利要求1所述的方法，其特征在于，每個(gè)目標(biāo)是空間目標(biāo)。3. 如權(quán)利要求1所述的方法，其特征在于，每個(gè)目標(biāo)包括至少一個(gè)活躍神經(jīng)元。4. 如權(quán)利要求1所述的方法，其特征在于，進(jìn)一步包括至少部分地基于所述失衡來選擇 所述至少一個(gè)目標(biāo)。5. 如權(quán)利要求4所述的方法，其特征在于，進(jìn)一步包括至少部分地基于每個(gè)目標(biāo)的概率 來選擇所述多個(gè)目標(biāo)中的兩個(gè)或更多個(gè)目標(biāo)。6. 如權(quán)利要求1所述的方法，其特征在于，所述選擇函數(shù)至少部分地基于每個(gè)目標(biāo)與對(duì) 象之間的距離。7. 如權(quán)利要求1所述的方法，其特征在于，所述失衡至少包括抑制性權(quán)重、興奮性權(quán)重、 或其組合。8. 如權(quán)利要求1所述的方法，其特征在于，所述至少一個(gè)目標(biāo)至少部分地基于所述相對(duì) 激活而與其他目標(biāo)相比具有更大的活躍量。9. 如權(quán)利要求1所述的方法，其特征在于，所述連接至少包括前饋邏輯抑制性連接、前 饋邏輯興奮連接、反饋邏輯抑制性連接、反饋邏輯興奮連接、或其組合。10. 如權(quán)利要求1所述的方法，其特征在于，所述連接至少是第一輸入層連接、神經(jīng)元輸 入、側(cè)向連接、或其組合。11. 一種用于從多個(gè)目標(biāo)中選擇目標(biāo)的設(shè)備，包括： 用于至少部分地基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡的裝置；以及 用于至少部分地基于所述失衡來修改所述多個(gè)目標(biāo)之間的相對(duì)激活的裝置，所述相對(duì) 激活對(duì)應(yīng)于至少一個(gè)目標(biāo)。12. 如權(quán)利要求11所述的設(shè)備，其特征在于，每個(gè)目標(biāo)是空間目標(biāo)。13. 如權(quán)利要求11所述的設(shè)備，其特征在于，每個(gè)目標(biāo)包括至少一個(gè)活躍神經(jīng)元。14. 如權(quán)利要求11所述的設(shè)備，其特征在于，進(jìn)一步包括用于至少部分地基于所述失衡 來選擇所述至少一個(gè)目標(biāo)的裝置。15. 如權(quán)利要求14所述的設(shè)備，其特征在于，進(jìn)一步包括用于至少部分地基于每個(gè)目標(biāo) 的概率來選擇所述多個(gè)目標(biāo)中的兩個(gè)或更多個(gè)目標(biāo)的裝置。16. 如權(quán)利要求11所述的設(shè)備，其特征在于，所述選擇函數(shù)至少部分地基于每個(gè)目標(biāo)與 對(duì)象之間的距離。17. -種用于從多個(gè)目標(biāo)中選擇目標(biāo)的裝置，包括： 存儲(chǔ)器單元；以及 耦合至所述存儲(chǔ)器單元的至少一個(gè)處理器，所述至少一個(gè)處理器被配置成： 至少部分地基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡；以及 至少部分地基于所述失衡來修改所述多個(gè)目標(biāo)之間的相對(duì)激活，所述相對(duì)激活對(duì)應(yīng)于 至少一個(gè)目標(biāo)。18. 如權(quán)利要求17所述的裝置，其特征在于，每個(gè)目標(biāo)是空間目標(biāo)。19. 如權(quán)利要求17所述的裝置，其特征在于，每個(gè)目標(biāo)包括至少一個(gè)活躍神經(jīng)元。20. 如權(quán)利要求17所述的裝置，其特征在于，所述至少一個(gè)處理器被進(jìn)一步配置成至少 部分地基于所述失衡來選擇所述至少一個(gè)目標(biāo)。21. 如權(quán)利要求20所述的裝置，其特征在于，所述至少一個(gè)處理器被進(jìn)一步配置成至少 部分地基于每個(gè)目標(biāo)的概率來選擇所述多個(gè)目標(biāo)中的兩個(gè)或更多個(gè)目標(biāo)。22. 如權(quán)利要求17所述的裝置，其特征在于，所述選擇函數(shù)至少部分地基于每個(gè)目標(biāo)與 對(duì)象之間的距離。23. 如權(quán)利要求17所述的裝置，其特征在于，所述失衡至少包括抑制性權(quán)重、興奮性權(quán) 重、或其組合。24. 如權(quán)利要求17所述的裝置，其特征在于，所述至少一個(gè)目標(biāo)至少部分地基于所述相 對(duì)激活而與其他目標(biāo)相比具有更大的活躍量。25. 如權(quán)利要求17所述的裝置，其特征在于，所述連接至少包括前饋邏輯抑制性連接、 前饋邏輯興奮連接、反饋邏輯抑制性連接、反饋邏輯興奮連接、或其組合。26. 如權(quán)利要求17所述的裝置，其特征在于，所述連接至少是第一輸入層連接、神經(jīng)元 輸入、側(cè)向連接、或其組合。27. -種用于從多個(gè)目標(biāo)中選擇目標(biāo)的計(jì)算機(jī)程序產(chǎn)品，包括： 其上記錄有非瞬態(tài)程序代碼的非瞬態(tài)計(jì)算機(jī)可讀介質(zhì)，所述程序代碼包括： 用于至少部分地基于選擇函數(shù)來設(shè)置神經(jīng)網(wǎng)絡(luò)中的連接的失衡的程序代碼；以及 用于至少部分地基于所述失衡來修改所述多個(gè)目標(biāo)之間的相對(duì)激活的程序代碼，所述 相對(duì)激活對(duì)應(yīng)于至少一個(gè)目標(biāo)。
【文檔編號(hào)】G06N3/04GK106030621SQ201580009576
【公開日】2016年10月12日
【申請(qǐng)日】2015年2月19日
【發(fā)明人】N·G·勞
【申請(qǐng)人】高通股份有限公司