SGN-Lite v5.1.8

⚠️ 此仓库已废弃 (Deprecated)

本仓库已停止维护，不再接受更新、修复或功能开发。

这并非主仓库，仅作为历史存档保留。如需获取最新版本，请前往主仓库。

仓库内现有代码可能存在缺陷或与最新版本不一致，使用风险自负。

Sparse Graph Network Lite — 纯整数化竞争/赫布学习识别引擎

简介

SGN-Lite 是一个核心识别路径无浮点、无反向传播的轻量级识别引擎。核心机制为整数化竞争学习 + 模板匹配，适用于 PC 平台的算法验证。

核心特性:

• 核心引擎全程整数运算 (DiscreteCoordinate 离散坐标体系)
• 竞争学习 + 赫布增强/削弱
• 自适应随机静默机制 — 类 Dropout 正则化
• 图模式层级记忆
• 多层神经元架构 (Layer 0 基础特征 / Layer 1 概念判断)
• L1 决策层 — 72 维图特征匹配 + Top-2 跨类平均分类
• Level 调度器 — 运算精度语境管理
• 模块化引擎架构 (engine 拆分为 5 个模块)
• 策略插件化

注意: 输入层 (矢量渲染、噪声生成、对比度拉伸) 涉及外部模拟信号，保留浮点运算。核心识别层 (神经元匹配、赫布学习、竞争排序) 严格整数化。

安装

环境要求

• Python 3.10+
• Windows / Linux / macOS

依赖

核心功能无需额外安装，Python 标准库即可运行。

# 可选依赖
pip install matplotlib    # 图表导出
pip install pygame-ce      # 函数工厂 GUI

快速开始

# 交互式启动
python run.py

# 内置预设
python run.py --preset quick      # 小网络 64 神经元, 500 步
python run.py --preset standard   # 中等网络 256 神经元, 2000 步
python run.py --preset precise    # 大网络 1024 神经元, 10000 步

# 批量模式
python run.py --batch

# 自动模式 (50ms/步)
python run.py --auto 50

函数工厂 GUI

基于 pygame 的图形化绘图与训练界面，支持手绘像素图形、实时变换、一键训练。

python sgn/gui/sgn_gui_factory.py

项目结构

.
├── sgn/
│   ├── engine/                # 核心引擎层
│   │   ├── core.py            # SGNCore 主引擎骨架
│   │   ├── config.py          # 配置管理 (ConfigRegistry, DiscreteCoordinate)
│   │   ├── level.py           # Level 调度器
│   │   ├── graph_train.py     # 图模式训练
│   │   ├── multi_layer_train.py  # 多层+分批训练
│   │   ├── l0_peer_compare.py # L0 同级比较与合并
│   │   ├── l1_decision.py     # L1 桶化/决策层
│   │   ├── hooks.py           # 事件总线
│   │   ├── strategies.py      # 策略抽象
│   │   ├── layers.py          # 层提取
│   │   ├── input.py           # 输入管道
│   │   └── utils.py
│   ├── graph/                 # 图模式层 (graph/stack/merge/graph_match)
│   ├── app/                   # 应用层 (main/interactive/panel/training/test/persist)
│   ├── gui/                   # GUI 层 (factory/canvas/charlib/transform/bridge/ui)
│   ├── tests/                 # 测试
│   ├── docs/                  # 架构文档
│   └── config/                # 默认配置
└── run.py                     # 启动入口

编程接口

from engine import SGNCore
from engine.input import create_mixed_vector_source
from engine.layers import classify_sample

# 1. 创建引擎
core = SGNCore(seed=42)

# 2. 生成样本
source = create_mixed_vector_source(grid_size=8, samples_per_formula=100)
samples = source.generate_batch(2000)

# 3. 训练
for intensity, label in samples:
    core.train(intensity, label)

# 4. 推理
test_intensity, test_label = samples[0]
pred, score = classify_sample(core, test_intensity)
print(f"True: {test_label}, Pred: {pred}, Score: {score}%")

运行模式

模式	说明
full	全记载，每步输出 (默认)
compact	精简，仅检查点摘要
blackbox	黑箱，训练全程零输出

输入源

类型	说明
pattern	内置 8×8 字符 (0-9 A-Z)
vector	矢量图形 (line/circle/sine/arch/leaf/mixed)，支持 8/16/32/64 网格
file	从 CSV/JSON 文件加载
custom	函数工厂 GUI 生成的自定义训练集

关键配置

配置	默认值	说明
MAX_NEURONS	256	神经元数量上限 (与 L0+L1 双向同步)
NEURON_LAYER_0_COUNT	128	Layer 0 神经元数 (基础特征专家)
NEURON_LAYER_1_COUNT	64	Layer 1 神经元数 (概念判断专家)
MAX_TEMPLATES	500	模板库容量上限
MAX_ITERATIONS	100000	训练总步数上限
SEED	42	随机种子
TOP_K	6	竞争 Top-K
ENABLE_ADAPTIVE_SILENCE	True	自适应随机静默
SILENCE_MIN_RATIO	0.30	静默比例下限
SILENCE_MAX_RATIO	0.80	静默比例上限
ENABLE_GRAPH_MODE	False	图模式
ENABLE_MULTI_LAYER_NEURON	False	多层神经元架构
L1_DECISION_LAYER	True	L1 决策层

完整配置见 sgn/config/sgn_config.json。

评估指标

训练完成后可用：

• [t] 批量测试: 识别率
• [c] 混淆矩阵: 各类别准确率
• [n] 噪声测试: 复合/高斯/椒盐/块遮挡鲁棒性
• [s] 统计信息: 神经元/模板/校验通过率
• [g] 仪表盘: 综合状态

概念声明

SGN 不是传统意义上的 SNN (脉冲神经网络) 或 DNN (深度神经网络)，拥有独立的概念体系和术语定义。

依赖

• Python 3.10+
• 可选: matplotlib (图表导出)
• 可选: pygame-ce (函数工厂 GUI)
• 可选: sqlite3 (SQLite 存储后端)

许可证

Apache License 2.0