一种支持在线学习的人工智能处理方法及处理器

摘要

本发明提供一种支持在线学习的人工智能处理方法及处理器，采用自适应模板匹配、自适应高/低阈值判断结合神经网络判断的双判断方式，使得系统具备在线学习能力，能适应使用设备、使用者的时序信号特征，解决普遍存在的时序信号特征存在个体差异性的问题，有效提高了自动分类准确率。相比较传统的神经网络反向传播算法实现在线学习的硬件实现，本发明的参数量和运算量小，仅存储少量的数据，相比于神经网络的在线学习，本发明功耗和所需存储量大大降低。本发明的在线学习硬件模块中的所有参数均可根据不同的应用需求自由配置，从而使得在线学习算法能灵活部署在处理器上，适用于各种时序信号自动分类的应用场景。