突破细胞神经网络模板设计的瓶颈

摘要：

受生物学中的DNA序列的自我复制等现象的启发，杭州电子科技大学和香港城市大学等院校的CNN（细胞神经网络）研究团队提出了DNA-Like序列的概念，并且发现感知器中的激发序列就是一个DNA-Like序列。进一步基于突触权值仅与激发序列中的某些值的相关性，再利用DNA-Like序列的特有性质，就可以把感知器的突触权值的学习转化为激发序列的学习。研究人员将基于这种思想的算法称为DNA-Like学习算法。这个算法具有许多优点，如学习速度快、迭代次数少，更重要的是，它必定是收敛的，因而不像传统的算法（如BP算法）那样会产生陷入局部极小的问题。此外，研究团队还开发了相关的软件，称之为CNN-UP。利用CNN快速计算功能， CNN-UP可以应用于许多组合逻辑电路的设计。可以预见，随着硬件实现技术的不断进步，CNN的应用领域将更加广阔。

机标关键词：细胞神经网络、模板设计、学习算法、研究团队、突触权值、感知器、自我复制、应用、学习速度、实现技术、逻辑电路、科技大学、计算功能、迭代次数、再利用、相关性、生物学、组合、转化、院校

分类号：TP3;G31

在线出版日期：2015-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：10-10