摘要
本发明提供了一种多模态信息对齐应用方法、系统、介质及设备,包括:在多个功能模块之间构建脑语特征信息编码;利用持续反馈学习以对齐统一多模块的脑语特征编码信息;调整长时记忆LTM模块间竞争成为短时记忆STM模块的权重信息;输出STM脑语特征信息至执行LTM单元实现决策可视化和学习性能评估。本发明在LTM模块脑语信息提取过程中,结合注意力机制,充分考虑LTM模块之间的相互影响,使得不同功能模块产生关联的决策评估,确保从不同模块提取的信息具有统一对齐的表达;结合分布式的类赫布学习算法优化信息块的权重,提升模型的预测评估能力,从而全面提升类脑行为决策架构的竞争决策和协同学习性能,使类脑行为决策系统更具适应性和智能性。
技术关键词
特征信息编码
多模态信息
注意力机制
双向通信网络
空间特征信息
监督学习算法
非监督
决策系统
功能模块
理解系统
自然语义
编码器
语义特征
自然语言
系统为您推荐了相关专利信息
动态时间规整算法
交通流
时序
神经网络模型
节点