[发明专利]无监督的神经重放、学习完善、关联以及记忆转移的方法和装置：结构可塑性和结构约束建模

说明书

相关申请的交叉引用

本专利申请的主题与2011年11月9日提交的题为“METHODS AND APPARATUS FOR UNSUPERVISED NEURAL REPLAY,LEARNING REFINEMENT,ASSOCIATION AND MEMORY TRANSFER:NEURAL COMPONENT REPLAY(无监督的神经重放、学习完善、关联以及记忆转移的方法和装置：神经组件重放)”的美国专利申请、2011年11月9日提交的题为“METHODS AND APPARATUS FOR UNSUPERVISED NEURAL REPLAY,LEARNING REFINEMENT,ASSOCIATION AND MEMORY TRANSFER:NEURAL COMPONENT MEMORY TRANSFER(无监督的神经重放、学习完善、关联以及记忆转移的方法和装置：神经组件记忆转移)”的美国专利申请、2011年11月9日提交的题为“METHODS AND APPARATUS FOR UNSUPERVISED NEURAL REPLAY,LEARNING REFINEMENT,ASSOCIATION AND MEMORY TRANSFER:NEURAL ASSOCIATIVE LEARNING,PATTERN COMPLETION,SEPARATION,GENERALIZATION AND HIERARCHICAL REPLAY(无监督的神经重放、学习完善、关联以及记忆转移的方法和装置：神经关联学习、模式补全、划分、概括以及阶层式重放)”的美国专利申请有关，上述申请与本申请一同申请且已转让给本申请的受让人、并通过引用明确合并于此。

背景技术

领域

本公开的某些方面一般地涉及神经系统工程设计，并且更具体地，涉及无监督的神经重放、学习完善、关联以及记忆转移的方法和装置。

背景

在神经系统工程设计领域，有一项基本问题，即在没有原始刺激的情况下，真实重放已由一个或多个神经元学习到的神经激发模式。此外，在原始的刺激不再存在之后进行快速学习、学习完善、关联、以及记忆转移的问题仍然有待解决。

以生物学启发的神经元模型来学习模式的当前方法在功能上是单向的方法：为了确定神经元匹配什么模式，需要尝试不同的模式直到找到匹配的那个。真实重放什么已被学习(无论是生物学地还是通过机器来学习)的方法是未知的。

概述

本公开的某些方面提供一种神经组件重放的方法。该方法一般包括用一个或多个参照神经元来参照多个传入神经元输出中的模式，用一个或多个关系方面神经元来匹配所述多个传入神经元输出中的模式与所述一个或多个参照神经元的输出之间的一个或多个关系方面，以及诱导所述多个传入神经元中的一个或多个传入神经元输出与所述一个或多个参照神经元所参照的模式基本相似的模式。

本公开的某些方面提供了一种用于神经组件重放的装置。该装置一般包括配置成用一个或多个参照神经元来参照多个传入神经元输出中的模式的第一电路，配置成用一个或多个关系方面神经元来匹配所述多个传入神经元输出中的模式与所述一个或多个参照神经元的输出之间的一个或多个关系方面的第二电路，以及配置成诱导所述多个传入神经元中的一个或多个传入神经元输出与所述一个或多个参照神经元所参照的模式基本相似的模式的第三电路。

本公开的某些方面提供了一种用于神经组件重放的设备。该设备一般包括用于用一个或多个参照神经元来参照多个传入神经元输出中的模式的装置，用于用一个或多个关系方面神经元来匹配所述多个传入神经元输出中的模式与所述一个或多个参照神经元的输出之间的一个或多个关系方面的装置，以及用于诱导所述多个传入神经元中的一个或多个传入神经元输出与所述一个或多个参照神经元所参照的模式基本相似的模式的装置。

本公开的某些方面提供一种用于神经组件重放的计算机程序产品。该计算机程序产品一般包括计算机可读介质，所述计算机可读介质包括用于执行以下动作的代码：用一个或多个参照神经元来参照多个传入神经元输出中的模式，用一个或多个关系方面神经元来匹配所述多个传入神经元输出中的模式与所述一个或多个参照神经元的输出之间的一个或多个关系方面，以及诱导所述多个传入神经元中的一个或多个传入神经元输出与所述一个或多个参照神经元所参照的模式基本相似的模式。