(HLND)文件或元素式网络描述(END)。文件的位置可预期 处于工作空间目录内。进而，这一命令可以使服务器编译HLND文件以生成END文件，随后生 成引擎并在引擎上加载各实例。保存命令可以将神经模型的（例如，当前)状态保存到指定 文件名中。运行命令可以运行神经模型，例如达指定数量的步骤(或直至发出暂停命令或停 止命令）。暂停命令可以（暂时）中止神经模型的执行，而停止命令可以（永久)停止神经模型 的执行。恢复命令可以在通过发出暂停命令中止神经模型的执行之后恢复神经模型的执 行。
[0119]图7B解说例如与用于获得正在执行的神经模型的尖峰发放活动的在web客户机和 web套接字之间交换的消息相关的控制消息收发的协议和结构的示例表700B。图7B中示出 的尖峰发放消息收发可被用来获得或设置成功地加载的神经模型的各种单元的尖峰发放。 GetSpikes (获得尖峰)可获得例如使用查询标签来指定的各单元的尖峰。这可返回先前步 骤(例如，最后一个步骤）中生成的尖峰。OpenSp ikeStream(打开尖峰流)命令可以打开流以 接收使用查询标签指定的各单元的尖峰。尖峰可在每一步之后被返回(经由流）（例如，直至 发出CloseSpikeStream(关闭尖峰流)命令）XloseSpikeStream命令可以停止已打开的流。 SetSpikes(设置尖峰)可为下一步设置使用查询标签指定的各单元的尖峰。
[0120]图7C解说例如与用于查询神经模型的拓扑结构的在web客户机和web套接字之间 交换的消息相关的控制消息收发的协议和结构的示例表700C。这一消息收发可以允许例如 获得和设置神经模型的各种组件以及它们的连接性。例如，GetClassNameTypeldMap(获得 类名称类型Id映射)可以返回各单元的类名称、已加载模型的突触或结以及它们对应的类 型id的映射。GetElements(获得元素)命令可以返回给定标签查询的各单元、突触或结的实 例。GetFanlns (获得扇入)命令可以返回一个或多个特定单元的突触前的突触或结(例如， 将类名称用于单元标识），而GetFanOuts(获得扇出）命令可以返回一个或多个特定单元的 突触后的突触或结(且也可将类名称用于单元标识）。
[0121]图7D解说例如与用于查询神经模型的各状态的在web客户机和web套接字之间交 换的消息相关的控制消息收发的协议和结构的示例表700D。这些消息可以允许获得和设置 神经模型的各种组件的变量。例如，GetVariable(获得变量)命令可以返回指定单元或结或 突触的指定变量的值，SetVariable(设置变量)命令可以用指定值来设置指定单元或结或 突触的指定变量，而ResetVariable(复位变量)命令可以用同一指定值来复位指定单元或 结或突触的指定变量。
[0122]类似的类型结构可被定义以用于记录与在web客户机和web套接字之间交换的消 息相关的消息收发，以记录正在执行的神经模型的尖峰发放活动。
[0123] 图8是根据本公开的某些方面的用于远程地控制人工神经系统的执行的示例操作 800的流程图。操作800可例如由远程客户机来执行。
[0124] 操作800在802处通过建立与人工神经系统的远程连接来开始。在804处，远程客户 机经由远程连接发出用于控制人工神经系统的执行的命令。
[0125] 图9是用于由客户机设备远程地控制人工神经系统的执行的示例操作900的流程 图。操作900可以由例如人工神经系统在其上运行的服务器执行。
[0126] 操作900在902处通过建立与客户机设备的远程连接来开始。在904处，服务器经由 远程连接接收用于控制人工神经系统的执行的命令。在906处，服务器根据该命令来控制人 工神经系统的执行。
[0127] 在一些情况下，服务器可与人工神经系统在其上运行的设备共处一地。例如，服务 器可被包括在机器人中，从而允许经由所建立的客户机连接远程控制人工神经系统。
[0128] 在一些情况下，远程连接可以在运行时（在该模型正在运行时）动态地建立。连接 可允许远程分析、运行、和/或测试人工神经系统。这可允许该模型被配置成读入数据并通 过模拟来播放(执行）。
[0129] 在一些情况下，正反馈或负反馈可被应用，例如在训练阶段期间。在一些情况下， 客户机可以生成并发出服务器解释成生成导致正反馈或负反馈的尖峰的命令。在其他情况 下，客户机可以发送导致正反馈或负反馈的实际尖峰命令。
[0130] 在一些情况下，客户机命令可以能够从人工神经系统读取比简单状态数据更多的 数据。例如，某些命令(例如，"Extract Network(提取网络)"命令)可允许提取与人工神经 系统的模型结构有关的较高级信息。
[0131] 在一些情况下，远程命令可被发出以控制人工神经系统的操作流。例如，这样的命 令可允许客户机停止、生成尖峰、以及获得状态信息。在一些情况下，默认动作可在没有接 收到命令(和/或连接丢失）的情况下定义。例如，人工神经系统可以停止执行、以降低的速 率执行、或以预定方式执行。
[0132] 图10解说根据本公开的某些方面的能够允许使用通用处理器1002来远程控制人 工神经系统的各组件的示例框图1000。与计算网络(神经网络)相关联的变量(神经信号）、 突触权重和/或系统参数可被存储在存储器块1004中，而在通用处理器1002处执行的有关 指令可从程序存储器1006中加载。在本公开的一方面，加载到通用处理器1002中的指令可 包括用于以下操作的代码:建立与客户机设备的远程连接;经由远程连接接收用于控制人 工神经系统的执行的命令;以及根据该命令来控制人工神经系统的执行。
[0133] 图11解说了根据本公开的某些方面的能够允许远程控制人工神经系统的各组件 的示例框图1100,其中存储器1102可经由互连网络1104与计算网络(神经网络）的个体(分 布式)处理单元(神经处理器）1106对接。与计算网络(神经网络)相关联的变量(神经信号）、 突触权重和/或系统参数可被存储在存储器1102中，并且可从存储器1102经由互连网络 1104的连接被加载到每个处理单元（神经处理器）1106中。在本公开的一方面，处理单元 1106可被配置成：建立与客户机设备的远程连接;经由远程连接接收用于控制人工神经系 统的执行的命令;以及根据该命令来控制人工神经系统的执行。
[0134] 图12解说了根据本公开的某些方面的能够允许基于分布式存储器1202和分布式 处理单元(神经处理器）1204来远程控制人工神经系统的各组件的示例框图1200。如图12中 所解说的，一个存储器组1202可直接与计算网络(神经网络）的一个处理单元1204对接，其 中该存储器组1202可存储与该处理单元(神经处理器）1204相关联的变量(神经信号）、突触 权重和/或系统参数。在本公开的一方面，处理单元1204可被配置成:建立与客户机设备的 远程连接;经由远程连接接收用于控制人工神经系统的执行的命令；以及根据该命令来控 制人工神经系统的执行。
[0135] 图13解说了根据本公开的某些方面的神经网络1300的示例实现。如图13中所解说 的，神经网络1300可包括多个局部处理单元1302,它们可执行以上描述的方法的各种操作。 每个处理单元1302可包括局部状态存储器1304和存储该神经网络的参数的局部参数存储 器1306。另外，处理单元1302可包括具有局部(神经元)模型程序的存储器1308、具有局部学 习程序的存储器1310、以及局部连接存储器1312。此外，如图13中所解说的，每个局部处理 单元1302可与用于配置处理的单元1314对接并且与路由连接处理元件1316对接，单元1314 可提供对局部处理单元的局部存储器的配置，元件1316提供局部处理单元1302之间的路 由。
[0136] 根据本公开的某些方面，每个局部处理单元1302可被配置成基于神经网络的一个 或多个期望功能性特征来确定神经网络的参数，以及随着所确定的参数被进一步适配、调 谐和更新来使这一个或多个功能性特征朝着期望的功能性特征发展。
[0137] 根据某些方面，图13中所示的网络1300的执行可被远程地控制，如本文呈现的。
[0138] 以上所描述的方法的各种操作可由能够执行相应功能的任何合适的装置来执行。 这些装置可包括各种硬件和/或软件组件和/或模块，包括但不限于电路、专用集成电路 (ASIC)、或处理器。例如，各个操作可由图10-13中所示的各个处理器中的一个或多个来执 行。一般而言，在存在附图中解说的操作的场合，这些操作可具有带相似编号的相应配对装 置加功能组件。例如，在图8和图9中解说的操作800和900对应于在图8A和图9A中解说的装 置800A和900A。
[0139] 例如，用于显示的装置可包括显示器（例如，监视器、平面屏幕、触摸屏等）、打印 机、或任何其他用于输出数据以供视觉描绘(例如表格、图表或图形）的合适装置。用于处理 的装置、用于接收的装置、用于计及延迟的装置、用于擦除的装置、或用于确定的装置可包 括处理系统，其可包括一个或多个处理器或处理单元。用于存储的装置可包括可由处理系 统访问的存储器或任何其它合适的存储设备(例如，RAM)。
[0140] 如本文所使用的，术语"确定"涵盖各种各样的动作。例如，"确定"可包括演算、计 算、处理、推导、研究、查找(例如，在表、数据库或其他数据结构中查找）、查明、及类似动作。 而且，"确定"可包括接收(例如接收信息）、访问（例如访问存储器中的数据）、及类似动作。 同样，"确定"还可包括解析、选择、选取、建立、及类似动作。
[0141 ]如本文所使用的，引述一列项目中的"至少一个"的短语是指这些项目的任何组 合，包括单个成员。作为示例，"a、b或c中的至少一者"旨在涵盖:a、b、c、a-b、a-c、b-c、&& a-b-c〇
[0142] 结合本公开描述的各种解说性逻辑框、模块、以及电路可用设计成执行本文中描 述的功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列 (FPGA)或其他可编程逻辑器件(PLD)、分立的门或晶体管逻辑、分立的硬件组件、或其任何 组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何市售 的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP 与微处理器的组合、多个微处理器、与DSP核心协同的一个或多个微处理器、或任何其它此 类配置。
[0143] 结合本公开所描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件 模块中、或在这两者的组合中体现。软件模块可驻留在本领域所知的任何形式的存储介质 中。可使用的存储介质的一些示例包括随机存取存储器(RAM)、只读