使用含有受脈衝作用的神經元網絡對網絡通信的業務量動態特性進行分類的方法
2023-07-09 18:27:11
專利名稱：使用含有受脈衝作用的神經元網絡對網絡通信的業務量動態特性進行分類的方法
技術領域：
本發明涉及在使用含有受脈衝作用的神經元的網絡對網絡通信的業務量動態特性進行分類的方法，其中網絡通信的業務量數據構成神經元網絡的輸入量，並且其中通過脈衝處理的所獲得的時間群集構成神經元網絡的輸出量，其中藉助突觸的(synaptisch)模型實現業務量動態特性的分類，其動態特性直接取決於前後突觸連接的脈衝的準確同步。
本發明一般涉及網絡通信的領域和特別是計算機網絡通信的領域。尤其是作為通信網現在正採用的分組交換網。分組交換網譬如在基於蜂窩狀網絡中以使用網際網路協議IP或網際網路協議ATM為基礎。為判別是否允許和允許以哪種情況、也即哪種價格和哪種可靠的傳輸質量實現分組交換網中的通信連接，需要建立關於不僅是這條通信連接的、而且是已經接收到的和還要等待的通信連接的通信業務量的特性的模型和假設。在這種關係中，稱之為所謂的呼叫許可控制(以下也縮寫為CAC)和業務質量(以下也縮寫為QoS)。目標是獲得所使用的通信帶寬的有關確定的量值、譬如利潤、用戶滿意度、無損耗度等最佳的利用係數。
在未來，應考慮在網際網路中明顯的多媒體數據增加的部分。這等於突發數據的明顯增長，該數據與可變的比特率相連，並且帶有過載趨勢高的危險。在此，在圖象和語音通信中，對無抖動提出了很高的要求，以便可接收等時的數據。在此，解題途徑(Lsungs-ansatz)預料在於分組優先以及在於很仔細的CAC算法，以便可保證最終的傳輸質量直至其擔保的附帶要求(Haftungseinschluss)。其擔保的附帶要求譬如在重要的數據傳輸中具有重要地位、譬如象在外科手術中那樣通過視頻會議線路。
採用具有自適應特性的CAC算法是不可避免的。自適應特性的CAC算法係指應用技術的新領域，因為迄今整個通信的運行過程是在接收相對稀少地出現的分組損失和時延的情況下按照「盡力」的原則假設帶寬「不受限制」通過固定連接的選擇路由進行的。對於CAC算法討論了兩種解題途徑(Ansatz)，也即一種隨機性的和一種確定性的解題途徑。隨機性的意味著在關聯到這種算法的情況下，通過多路復用期望測定出在過載危險較大時具有通信網較高平均的利用係數的脈衝串。確定性的意味著在關聯到這種算法的情況下，根據得到保證的通信業務量特性、譬如所謂的峰值比特率(PBR)保守地分配通信網的帶寬。如從下面所見，本發明建議採用兩種解題途徑的組合，並且由此得到一種自適應CAC算法。
對此的基礎是隨機性的脫機通信業務量模型，其中如果出現特殊的、臨界的動態特性或特徵，則可實時地採取適應策略。對於這種模型要藉助受脈衝作用的神經元網絡。
神經元網絡具有許多神經元，這些神經元至少彼此部分地結合。輸入信號作為輸入量輸送給神經元網絡的輸入神經元。神經元網絡通常具有多個層。依賴於輸送給神經元網絡的一個神經元的輸入量和規定用於神經元的激活功能，一個神經元分別產生一個信號，該信號按照可規定的加權作為輸入量又輸送給另一層的神經元。在輸出層中則依賴於輸送給前面的層的神經元的輸出神經元的量在一個輸出神經元中產生一個輸出量。
神經元網絡通過作用勢或「脈衝」(「尖峰信號」)對信息編碼，這些作用勢或「脈衝」使神經元點火事件具有特徵。因此，在時間編碼的範圍內，所謂的時空點火群集(Feuerungsmuster)對有關感知性刺激的信息進行編碼。換句話說，不同類型的刺激通過不同類型的時空點火群集進行區分。在這種關係中，建議將傳送信息的最大化作為工具來簡短地說明達到這個目標的可區別性。通過在輸入類別的名稱和由對表示的刺激編碼的神經元提供的形成的脈衝群集之間傳輸信息的最大化，保障最佳的區分特性。
本發明的任務在於建立對網絡通信的業務量動態特性進行分類的一種方法，該方法以相當清楚明了的計算花費保障可靠的業務量動態特性進行分類。
通過權利要求1的特徵來解決這項任務。本發明優選的擴展的實施方案在依賴於權利要求1的權利要求中給出。
本發明的另一個任務在於建立一種神經元網絡，以對網絡通信的業務量動態特性進行分類，該神經元網絡以相當清楚明了的計算花費保障對可靠的業務量動態特性進行分類。
通過權利要求5的特徵來解決這項任務。本發明優選的擴展的實施方案在從屬於權利要求5的權利要求中給出。
還有，本發明的任務在於建立一種裝置以實施本發明所述的對網絡通信的業務量動態特性進行分類的方法，該網絡在一個處理器中以相當小容量允許對業務量動態特性進行可靠的分類。
通過權利要求9的特徵來解決這項任務。本發明優選的擴展的實施方案在從屬於權利要求9的權利要求中給出。
受脈衝作用的神經元網絡的提出的重大問題，在與網絡通信的業務量動態特性的分類有關的情況下，正如上文所涉及的，是在通信網中、首先是計算機網中對通信業務流的分類和對業務量的特性的檢測，這同樣也可以是連機實現，所述通信業務量的特性與作為基礎的假設的或達成的值不相符合，並由此危害到QoS的保障。在這裡應舉一個例子。當具有特性x的數據流請求傳輸時，則CAC知道根據模型的設假在理論上準許x是可能的，無須使給出的網絡資源過載。但是，在每次測量已經接收到的數據流情況下，都可確定與模型設定的偏離。在此，係指已經運行的數據流的未預料到的臨界特性。由此所得到的結果在拒絕x的情況下適應於保守的策略。於是，這個過程基於認識，這種認識將重點不放在比特率上(「速率編碼」)，而是在監視遵循達成的通信業務量特徵時，在確定和評估資源負載情況下，將重點放在關鍵性的脈衝串群集上(「時間編碼」)來達到目標。原因是首先具有特殊的同時出現的峰值負荷，並且不是平均的比特率，該比特率就本身而言也是可以無問題可以掌握的。
作為另一種應用，本發明規定建立聯機操作的矩陣「誰與誰通信」，必要時可增加「通信類型」維數。照此，目的是對多部、譬如兩部計算機的輸出數據的數據流的分類，並由此是每個時間間隔發送的數據分組的數量，作為時間函數標誌成一類「共用通信」和一類「彼此獨立的通信」。這種分類的結果是對於每對網絡中的計算機來說，在這個矩陣中都具有一個登記項，其中1表示在計算機之間有共用通信，0用於表示彼此獨立的通信。由此，這個矩陣表示一個以檢測偏離標準情況的可能性的一個棋盤圖案。除0以外所佔用的行/列譬如都指出通信出故障(故障)，而除1以外所佔用的行/列可指示具有外部的攻擊(欺詐)。但是，還有複雜的矩陣圖案給出了關於系統狀態的說明，譬如通過按屬性進行的分類如「正常/非正常」、「過載」、「過載危險」等等。
換句話說，本發明的核心是通過數學上相當簡單地表述脈衝以自適應神經元網絡技術引進時間編碼。通過此使得有可能產生信號處理的新型方法。特別是面臨的是典型的人員的任務中，如識別時空群集，需要該時空群集譬如用於語音識別和用於計算機通信業務量問題，許多優點是期望通過很準確地模擬人腦的工作方式的技術來獲得。
所說的時間群集(時間集群)的分類，按照本發明通過一個突觸模型實現，其動態特性直接依賴於前後突觸連接的脈衝的準確的同步或時間控制。為此目的，本發明的模型粗略地說明了實現一個生物突觸的主要短時間的功能，也即傳輸的簡化和抑制。此外，模型的短時間的動態特性是可自適應的。這就意味著突觸改變了傳輸的簡化和抑制的關係，以此，其最大響應特性的時間變化過程-和由此使得其延遲作用的時間變化過程-將變換成一列脈衝。
所述的突觸特性從下面給出的公式的相互作用所支配的依賴脈衝時間的突觸的資源的狀態中得出。
對於輸入脈衝的突觸方式的傳輸，首先是由在前突觸的軸突(Bouton)和/或最終軸突(Endknopf)中的C確定通過Ca2+給出的濃度，所述的軸突在0和1之間實時地被模型化。用一個小的擴散過程在一個額外細胞狀空間和一個快速打開與鈣有關的離子通道中在時間tsppre。到達一個前突觸脈衝時以如下方程計算ddtC=-,Cfac+(t-tpresp)C0(1-c)---(1)]]>其中C以一個時間常數τfac隨指數減少，並且在前突觸的脈衝到達時C復位，該前突觸的脈衝到達時間可通過δ分布重新給出。當處於Ca2+濃度這種躍變時，C用一個自適應參數C0進行標量，該參數C0通過突觸產生的最大的EPSP(EPSP代表字符的激勵電勢)的時間變化過程。C0表示鈣量值，該鈣量值進入細胞單元或換句話說只是如鈣離子通道可毫無問題地打開那樣才可重新給出。C0係指準確的那種學習參數，其相應的公式在下面給出。
在神經元發射機的前突觸的釋放位置中，突觸連接的細胞單元(Vesikel)被對接，或不被對接。事實上具有一個已對接的細胞單元的釋放位置部分由一個變量Pv給出。Prel係指那個釋放在前突觸連接的點火(Feuern)的情況下已經對接的細胞單元的部分。當前假定每個對接的細胞單元需釋放4個鈣離子。由於這個原因，C以指數4引入公式。釋放的細胞單元的部分隨著C的提高而提高。在此係指突觸接通部分Prel＝Pv·C4(2)其中Pv本身受下面的公式支配ddtPv=1-Pvrec-(t-tsppre)PrelPv---(3)]]>Pv是當前可提供細胞單元資源的部分，它提供用來進行神經元發射機釋放。Pv在完全復原狀態中具有值為1，其中通過復原時間常數τrec調整復原，該復原在無前突觸脈衝情況下產生一個指數復原或恢復過程。這個復原過程表示從細胞核中在下面給出的或提供的細胞單元。如果τrec相當大，則到達的脈衝會導致細胞單元資源減少。在此係指突觸的阻抑部分。
由此，在後突觸的一側，引入了EPSP，它在前突觸的脈衝的到達的時刻取決於PrelddtEPSP=-EPSPEPSP+(t-tpresp)Prel---(4)]]>現引用的公式(1)-(4)在對前突觸的脈衝作出響應的情況下，控制著突觸的原則上的動態特性。產生的短時間效應包括接通和阻抑。通過變量C0改變的這兩種效應之間的關係按照時刻控制著EPSP中的最大的響應，並且由此在傳輸時控制著延遲效應。
圖1示出了對突觸參數C0的不同的值的不同的突觸的響應類型。突觸延遲也即其最大的響應特性從快速響應特性直到慢速響應特性變化。後突觸連接的附帶著由擴散產生的電動勢損失的整體神經元和點火神經元從一條突觸接收一串均勻間隔的脈衝。在圖1中示出了這個突觸連接的神經元的膜勢。
學習要這樣按如下所執行的那樣進行，其中論及長時間地擴展的效應，該效應將導致引入短時間動態特性的自適應性。
現在應說明在取決於前突觸和後突觸脈衝的過程的情況下學習突觸的延遲過程的機制。學習算法的核心如下如果出現一個後突觸脈衝，在突觸達到其最大響應特性前，該算法如此執行自適應，以致於它在下一次提前達到其最大值。這就意味著C0增加或擴大了。如果出現一個後突觸脈衝，在一條突觸已經達到其最大響應特性後，對此，突觸模擬地在下一次試驗，附加地延遲其響應特性，這意味著C0縮小或減少了。如這個情況單獨地所實現的那樣，現正在執行。
首先，神經元發射機濃度N被引入突觸的列ddtN=-NN+(t-tpresp)Prel(1-N)N---(5)]]>其中τN是一個神經元發射機拆除的時間常數，並且其中αN是一個釋放係數。在此，τN象輸出神經元的膜常數那樣，選擇這麼大，以致於N重現使這個突觸有助於後突觸膜勢。N的最大值應與這個突觸對後突觸連接的神經元起最大作用同時發生。為求出這個最大值，需要求出N的時間過程的包絡線的第一導數。對此，需要一個附加的變量 :
ddtN=-N-NN+(t-tpresp-t)(N-N)---(6)]]>由 假定根據最後的點火事件存儲N的值。 的目的在於求出，是否突觸在與前面的點火事件比較後當前或多或少地釋放發射機。通過從 ，可確定是否N趨向於增加或下降。更新、也即在前突觸點火中將 調整到N，在前突觸脈衝出現後一段時間內會實現，就象用Δt在δ項中所指出的那樣。假設 是離釋放位置不遠的一個位置上的神經元發射機濃度，以致於濃度需一個確定的時間Δt，以便移動到那裡去。在仿真中，Δt用一個時間間隔進行選擇也即用1ms的時間間隔進行選擇。重要的是 要足夠大，以便 事實上可根據最後的點火事件存儲N的值。
在每個時間間隔中，現在使用 以便求出值C*0，在出現前突觸脈衝時，C0必須隨值C*0變化。
其中αc*0是學習速率。在公式7中求出C*0時劃分為兩種情況，以保障C0限制在0和1之間。
如果事實上出現前突觸脈衝，則最後還是由C*0改變C0。
ddtC0=(t-rpostsp)C0*---(8)]]>圖2示出了與C*0一起的N的相應的曲線。學習後，最後所述的曲線的0行程與N的最大值的最大響應重合。
各個附圖示出了圖1示出了在對自適應的突觸參數C0產生響應情況下，不同形式的突觸的響應特性；峰值響應以C0較小的值向右移動，並且由此導致傳輸延遲；圖2A示出了對參數值C0的不同的值產生神經元發射機濃度N的不同的時間變化過程；圖2B示出了更新曲線C*0；這個曲線確定了在更新為C0時變化的方向和延長；值得注意的是，0行程與神經元發射機濃度內的相應的最大值重合，這就意味著C0不變化；當後突觸脈衝準確地在最大的突觸響應的時刻產生時；在最大值達到之前，當後突觸脈衝出現時，C0下降；在最大值達到之後，當後突觸脈衝出現時，C0升高或變大。
圖3舉例示出了在計算機網絡管理中具有脈衝作用的神經元的時間群集，並且圖4示出了按照圖3所示的時間群集的典型應用範圍。
在使用含有脈衝作用的神經元網絡的基礎上，考慮到檢測群集、獲得動態特性和對時間序列分類的情況下，突出地說明特別優選地時間動態特性結構的分析技術。在此，係指一個遞推的、也即動態特性的網絡，其網絡單元藉助動態特性的閾值單元緊密地仿照自然界的神經系統調製神經元。這些以其電荷狀態變化的形式處理其加權的輸入，並且儘管標誌為放電，但是通過發送作用勢在超過閾值時產生其輸出。
網絡通信連接的反饋和時延允許網絡通過時間超前的輸入和處理步驟，以自然方式和無限制地通過體系結構動態地在網絡中存儲重要信息，並且由此按照需要的權限直接輸入輸入流的時間動態特性，並且學習其特性。對此在使用脈衝作用的神經元的情況下，構成計算機網絡通信的業務量動態特性的例子從以方框圖形式表示的本身就說明的圖3和4中得出。
由此，類似於模仿人類的大腦在連續的作用勢或網絡的形成的時空激活群集之間的時間間隔將成為系統(時間編碼或時間群集)的內部編碼的不同的單元。此外，以點過程或離散的過程代替連續的隨機過程的形式的編碼，作為這種類型的信息處理的中心特點，在使用數學學習功能時提供了很大的優點。
根據上述特點，這種類型的網絡很適於時間群集的分類，如它在計算機網中分析通信業務量特徵時出現那樣，如圖4中所示。
權利要求
1.在使用含有受脈衝作用的神經元的網絡對網絡通信的業務量動態特性進行分類的方法，其中網絡通信的業務量數據構成神經元網絡的輸入量，並且其中通過脈衝處理所獲得的時間群集構成神經元網絡的輸出量，其中藉助突觸的模型實現通信業務量動態特性的分類，其動態特性直接取決於前後突觸連接的脈衝的準確同步。
2.按照權利要求1所述的方法，其特徵在於，突觸模型的動態特性通過下列公式確定ddtC=-Cfac+(t-tpresp)C0(1-C)---(1)]]>其中C以一個時間常數τfac隨指數減少，並且在前突觸的脈衝到達時C被復位，該前突觸的脈衝到達時間可通過δ分布重新給出，當處於Ca2+濃度的這種躍變時，C用一個自適應參數C0進行標量，該參數C0求出通過突觸產生的最大的EPSP(EPSP代表字符的激勵電勢)的時間過程。C0表示鈣量值，該鈣量值進入細胞單元或換句話說只是如鈣離子通道可毫無問題地打開那樣，才可重新給出。C0係指準確的那種學習參數，其相應的公式在下面給出。Prel＝Pv·C4(2)Prel係指那個釋放前突觸連接的點火的已經對接的細胞單元的部分，並且其中Pv本身由下列公式支配ddtPv=1-Pvrec-(t-tpresp)PrelPv---(3)]]>其中Pv是當前可提供細胞單元資源的部分，它提供用來進行神經元發射機釋放。ddtEPSP=-EPSPEPSP+(t-tpresp)Prel---(4)]]>這就意味著，在後突觸的一側，引入了EPSP(EPSP代表字符的激勵電勢)，它在前突觸的脈衝的到達的時刻取決於Prel。
3.按照權利要求2所述的方法，其特徵在於，為適應短時間的業務量動態特性在依賴於前和後突觸的脈衝過程情況下執行一個用於突觸延遲過程的學習過程，該過程由下列公式確定ddtN=-NN+(t-tpresp)Prel(1-N)N---(5)]]>其中τN是一個神經元發射機拆除的時間常數，並且其中αN是一個釋放係數。在此，τN象輸出神經元的膜常數那樣，選擇這麼大，以致於N重現使這個突觸有助於後突觸膜勢。N的最大值從N的時間變化過程的包絡線的第一導數中求出，對此，需要一個附加的變量 ddtN=-N-NN+(t-tpresp-t)(N-N)---(6)]]>其中由 假定根據最後的點火事件存儲N的值；其中在每個時間間隔中使用 以便求出值C*0，在出現後突觸脈衝時，C0必須隨值C*0變化。 其中αC*0是學習速率。並且其中在當事實上出現後突觸脈衝時，最後還是由C*0改變C0。ddtC0=(t-tpostsp)C0*---(8)]]>
4.按照上述權利要求1-3之一所述的方法，其特徵在於，業務量動態特性是至少兩個計算機之間的動態特性，該計算機通過LAN、MAN或WAN連接。
5.神經元網絡，它包括脈衝作用的神經元，它為對網絡通信的業務量動態特性進行分類規定使用一種突觸模型，其動態特性直接取決於前和後突觸脈衝的準確的計時，其中網絡通信的業務量數據構成了神經元網絡的輸入量，並且其中通過脈衝處理所獲得的時間群集構成了神經元網絡的輸出量。
6.按照權利要求5所述的神經元網絡，其特徵在於，突觸模型的動態特性由下列公式確定ddtC=-Cfac+(t-tpresp)C0(1-C)---(1)]]>其中C以一個時間常數τfac隨指數減少，並且在前突觸的脈衝到達時C復位，該前突觸的脈衝到達時間可通過δ分布重新給出。當處於Ca2+濃度的這種躍變時，C用一個自適應參數C0進行標量，該參數C0求出通過突觸產生的最大的EPSP(EPSP代表字符的激勵電勢)的時間過程。C0表示鈣量值，該鈣量值進入細胞單元或換句話說只是如鈣離子通道可毫無問題地打開那樣，才可重新給出。C0係指準確的那種學習參數，其相應的公式在下面給出Prel＝Pv·C4(2)其中Prel係指那個釋放前突觸連接的點火的已經對接的細胞單元的部分，並且其中P，本身由下列公式支配ddtPv=1-Pvrec-(t-tpeesp)PrelPv---(3)]]>其中Pv是當前可提供細胞單元資源的部分，它提供用來進行神經元發射機釋放；ddtEPSP=-EPSPEPSP+(t-tpresp)Prel---(4)]]>這就意味著，在後突觸的一側，引入了一個EPSP(EPSP代表字符的激勵電勢)，它在前突觸的脈衝到達的時刻取決於Prel。
7.按照權利要求6所述的神經元網絡，其特徵在於，為適應短時間的業務量動態特性在依賴於前和後突觸的脈衝過程情況下，執行一個用於突觸延遲過程的學習過程，該過程由下列公式確定ddtN=-NN+(t-tpresp)Prel(1-N)N---(5)]]>其中τN是一個神經元發射機拆除的時間常數，並且其中αN是一個釋放係數。在此，τN象輸出神經元的膜常數那樣，選擇這麼大，以致於N重現使這個突觸有助於後突觸膜勢；N的最大值應從N的事件過程的包絡線的第一導數求出，對此需要一個附加的變量 ddtN=-N-NN+(t-tpresp-t)(N-N)---(6)]]>其中由 假定根據最後的點火事件存儲N的值；其中在每個時間間隔中使用 以便求出值C*0，在出現後突觸脈衝時，C0必須隨C*0變化 其中αc*0是學習速率。並且其中在當事實上出現後突觸脈衝時，最後還是由C*0改變C0。ddtC0=(t-tpostsp)C0*---(8)]]>
8.按照權利要求5-7之一所述的神經元網絡，其特徵在於，業務量動態特性是在至少兩部計算機之間的動態特性，這兩部計算機通過LAN、MAN或WAN連接。
9.實施按照權利要求1-4之一所述的方法的裝置，以使用含有脈衝作用的神經元的網絡對網絡通信的業務量動態特性進行分類，其中網絡通信的業務量數據構成了神經元網絡的輸入量，並且其中通過脈衝處理的所獲得的時間群集構成了神經元網絡的輸出量，用一個處理器，敷設該處理器用來，藉助突觸的模型實現業務量動態特性的分類，其動態特性直接取決於前後突觸連接的脈衝的準確計時。
10.按照權利要求9所述的裝置，其特徵在於，突觸模型的動態特性由下列公式確定ddtC=-Cfac+(t-tpresp)C0(1-C)---(1)]]>其中C以一個時間常數τfac隨指數減少，並且在前突觸的脈衝到達時C復位，該前突觸的脈衝到達時間可通過δ分布重新給出。當處於Ca2+濃度的這種躍變時，C用一個自適應參數C0進行標量，該參數C0求出通過突觸產生的最大的EPSP(EPSP代表字符的激勵電勢)的時間變化過程。C0表示鈣量值，該鈣量值進入細胞單元或換句話說只是如鈣離子通道可毫無問題地打開那樣，才可重新給出；C0係指準確的那種學習參數，其相應的公式在下面給出。Prel＝Pv·C4(2)其中Prel係指那個釋放前突觸連接的點火的已經對接的細胞單元的部分，並且其中Pv本身由下列公式支配ddtPv=1-Pvrec-(t-tpresp)PrelPv---(3)]]>其中Pv是當前可提供的細胞單元資源的部分，它提供用來進行神經元發射機釋放；ddtDPSP=-EPSPEPSP+(t-tpresp)Prel---(4)]]>這就意味著，在後突觸的一側，引入了一個EPSP(EPSP代表字符的激勵電勢)，它在前突觸的脈衝的到達的時刻取決於Prel。
11.按照權利要求10所述的裝置，其特徵在於，為適應短時間的業務量動態特性在依賴於前和後突觸的脈衝過程情況下執行一個用於突觸延遲過程的學習過程，該過程由下列公式確定ddtN=-NN+(t-tpresp)Prel(1-N)N---(5)]]>其中τN是一個神經元發射機拆除的時間常數，並且其中αN是一個釋放係數。在此，τN象輸出神經元的膜常數那樣，選擇這麼大，以致於N重現使這個突觸有助於後突觸膜勢；N的最大值應從N的時間變化過程的包絡線的第一導數求出，對此需要一個附加的變量 ddtN=-N-NN+(t-tpresp-t)(N-N)---(6)]]>其中由 假定根據最後的點火事件存儲N的值；其中在每個時間間隔中使用 以便求出值C*0，在出現後突觸脈衝時，C0必須隨C*0變化 其中αc*0是學習速率。並且其中在當事實上出現後突觸脈衝時，最後還是由C*0改變C0。ddtC0=(t-tpostsp)C0*---(8)]]>
12.按照權利要求9-11之一所述的神經元網絡，其特徵在於，業務量動態特性是在至少兩部計算機之間的動態特性，這兩部計算機通過LAN、MAN或WAN連接。
全文摘要
本發明涉及使用含有受脈衝作用的神經元的網絡對網絡通信的業務量動態特性進行分類的方法，其中網絡通信的業務量數據構成神經元網絡的輸入量，並且其中通過脈衝處理所獲得的時間群集構成神經元網絡的輸出量，其中藉助突觸的模型實現業務量動態特性的分類，其動態特性直接取決於前後突觸連接的脈衝的準確同步。
文檔編號H04L12/56GK1628322SQ03803314
公開日2005年6月15日 申請日期2003年1月31日 優先權日2002年2月5日
發明者G·德科, J·斯託爾克, B·許爾曼 申請人:西門子公司