專利名稱：神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和操作神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種包括彼此互連(interconnect)的多個自動機(jī)(automata)的神經(jīng) 元(neuronal)網(wǎng)絡(luò)結(jié)構(gòu)。本發(fā)明還涉及一種操作這種神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)的方法。具體地，本 發(fā)明涉及一種通過突觸連接(synaptic link)互連的自動機(jī)的網(wǎng)絡(luò)。
背景技術(shù)：
基于順序處理架構(gòu)的計(jì)算對輸入狀態(tài)系列進(jìn)行操作并生成輸出狀態(tài)。對于這種基 于狀態(tài)的架構(gòu)，連續(xù)過程的表示法(r印resentation)是陌生的，并且即使不是不可能也非 常難以實(shí)現(xiàn)。為了實(shí)現(xiàn)這種連續(xù)過程，典型地需要將連續(xù)量(continuum)數(shù)字化為許多離 散的狀態(tài)，以便使得基于狀態(tài)的架構(gòu)能夠適合于輸入而工作。然而，大多數(shù)過程實(shí)質(zhì)上是連 續(xù)的并且顯現(xiàn)有規(guī)律的行為，諸如例如高爾夫球桿的揮動、交通流的演化、人們之間的相互 影響以及思考過程，這些僅僅是一些例子。像狀態(tài)序列這樣的有規(guī)律且系統(tǒng)的行為的表示 法是人工的，并且是僅通過基于狀態(tài)的架構(gòu)的限制性約束而施加的，其著名的示例是公知 的馮 諾伊曼架構(gòu)。文獻(xiàn)中已經(jīng)存在一些建議通過神經(jīng)(或神經(jīng)元)計(jì)算機(jī)架構(gòu)(也被稱作神經(jīng)或神 經(jīng)元網(wǎng)絡(luò)或計(jì)算機(jī))來克服由馮 諾伊曼型計(jì)算機(jī)架構(gòu)施加的約束。Hoppensteadt 等 人 ^ "Oscillatory Neural Computers with DynamicConnectivity" (Phys. Rev. Letters Vol. 82，14，2983 至lj 2986)中公開 了一種 神經(jīng)(neural)計(jì)算機(jī)，其由具有不同頻率且由外部輸入強(qiáng)制經(jīng)由公共媒介微弱地連接 的振蕩器構(gòu)成。雖然這樣的振蕩器都均勻地互連，外部輸入仍施加動態(tài)連通(dynamic connectivity)，因此創(chuàng)建考慮到大腦的有節(jié)奏的行為的振蕩神經(jīng)網(wǎng)絡(luò)。該方法包括將皮層 (cortex)對待為微弱自激振蕩器(autonomousoscillator)的網(wǎng)絡(luò)，其選擇性的相互作用 取決于頻率。由 Ashwin 等人在"When Instability Makes Sense"(Nature, Vol. 436,36-37)中 公開了在神經(jīng)系統(tǒng)中通過不穩(wěn)定動力學(xué)而進(jìn)行的信息的處理，其中神經(jīng)計(jì)算系統(tǒng)中的狀態(tài) 之間的切換由不穩(wěn)定性誘發(fā)。因此神經(jīng)系統(tǒng)的動力學(xué)探索狀態(tài)序列，從而生成神經(jīng)活動的 特定樣式(其例如表示特定氣味)。EP 0401926B1公開了一種包括多個互連的神經(jīng)元和用于在所述神經(jīng)元之間進(jìn)行 信息傳播的部件的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中從發(fā)送神經(jīng)元到接收神經(jīng)元的信息傳播是通過分 配給神經(jīng)元互連的突觸系數(shù)的值來確定的，其中避免了突觸系數(shù)的網(wǎng)絡(luò)存儲器存取，并且 減少了每種情況下將要至少等于輸入神經(jīng)元的數(shù)量的算術(shù)運(yùn)算數(shù)量。

發(fā)明內(nèi)容
與已知的神經(jīng)計(jì)算架構(gòu)(其也受神經(jīng)科學(xué)所啟發(fā)，但是對狀態(tài)操作(例如， Hopfield或者自適應(yīng)諧振理論(ART，adaptive resonance theory)網(wǎng)絡(luò))對比，本發(fā)明提 出了一種基于過程而不是基于狀態(tài)并且其中用處理的執(zhí)行來識別計(jì)算的神經(jīng)元網(wǎng)絡(luò)計(jì)算
3架構(gòu)。與狀態(tài)相比，過程是依賴于時間的變量集合的連續(xù)流再現(xiàn)。根據(jù)本發(fā)明的基于過程的架構(gòu)由通過突觸連接互連的自動機(jī)的網(wǎng)絡(luò)組成。所述網(wǎng) 絡(luò)的節(jié)點(diǎn)是等價于神經(jīng)元種群(population)的自動機(jī)，并且其特征在于它們的時間連續(xù) 的活動(發(fā)射(firing)率)。網(wǎng)絡(luò)自動機(jī)的動力學(xué)是通過時間連續(xù)的動力系統(tǒng)(例如積分 和/或微分方程)所定義的，并且因此可以通過基本電子元件(例如但不限于壓控振蕩器、 光學(xué)振蕩器、激光器或其它類型的振蕩器)來實(shí)現(xiàn)。突觸連接是自動機(jī)之間的連接。過程 是通過網(wǎng)絡(luò)節(jié)點(diǎn)或自動機(jī)的時間行為的整體來確定的，這可能具有任意大的復(fù)雜度。本發(fā) 明的基于過程的架構(gòu)由此可被描述為認(rèn)知架構(gòu)(cognitive architecture) 0因此，本發(fā)明能夠以基于過程的方式應(yīng)對、處理和操作N維系統(tǒng)，該N維系統(tǒng)通過 一組依賴于時間的(標(biāo)量或矢量)變量^(0，(12(0，...，％(0來定義。每個(標(biāo)量或矢 量)變量描述節(jié)點(diǎn)的活動。同時，變量描述總網(wǎng)絡(luò)的動態(tài)行為，該總網(wǎng)絡(luò)自身是高維數(shù)系 統(tǒng)。利用本發(fā)明，較低維數(shù)行為被確保出現(xiàn)于網(wǎng)絡(luò)變量整體，并且可被以高維數(shù)結(jié)構(gòu)描述、 控制和編碼，而不用參考基于狀態(tài)的機(jī)器。在這種意義下，過程被理解，這是因?yàn)樵趶?fù)雜的 網(wǎng)絡(luò)中出現(xiàn)了低維數(shù)行為。根據(jù)本發(fā)明，網(wǎng)絡(luò)的自動機(jī)之間的互連中的對稱性破缺(symmetrybreaking)允 許各個耦合(coupling)中的權(quán)重變化(weight change)，因此生成受控的網(wǎng)絡(luò)行為。換句 話說，較低維數(shù)過程的編碼通過耦合的權(quán)重的對稱性破缺來執(zhí)行。本發(fā)明的神經(jīng)元網(wǎng)絡(luò)結(jié) 構(gòu)的編程由此通過實(shí)現(xiàn)該編碼來進(jìn)行。這也可被描述為對互連的對稱性的操縱。本發(fā)明也 允許當(dāng)一個給定函數(shù)可以通過各種權(quán)重變化來實(shí)現(xiàn)時的特定的冗余，從而導(dǎo)致計(jì)算架構(gòu)更 高的靈活性，并且允許抵抗錯誤或損害的健壯性。利用根據(jù)本發(fā)明的機(jī)制，變得能夠定義物理存在的N個動態(tài)元素的神經(jīng)元網(wǎng)絡(luò)并 且能夠經(jīng)由N2個定向耦合(或者互連)連接這些元素。根據(jù)本發(fā)明，這樣的神經(jīng)元網(wǎng)絡(luò)用 作基于過程的架構(gòu)的中央處理單元(CPU)。因此，本發(fā)明設(shè)計(jì)出完全新型的計(jì)算范例。過程(連續(xù)序列)將被以它們的自然 框架而表示，即，它們將在適合于連續(xù)處理而工作的機(jī)器中計(jì)算。本發(fā)明的一個主要優(yōu)點(diǎn)是 簡化了在基于狀態(tài)的架構(gòu)中被認(rèn)為是困難的問題的處理和解決。函數(shù)的健壯性是本架構(gòu)的 另一主要優(yōu)點(diǎn)，因?yàn)楹瘮?shù)能夠以各種實(shí)現(xiàn)來表示。編程的速度和簡易性是附加的潛在好處。根據(jù)描述和附圖，進(jìn)一步的特征和實(shí)施例將變得明顯。將會理解，上述的特征以及下面描述的特征不僅可以以所指定的組合而使用，而 且以其它組合或以它們自身而使用，而不脫離本公開的范圍。各種實(shí)現(xiàn)方式已借助于舉例方式的實(shí)施例在附圖中示意性地得以例示，并且在下 文中參考附圖得以詳細(xì)地說明。將要理解，所述描述不以任何方式限于當(dāng)前公開的范圍，并 且所述描述僅僅是優(yōu)選實(shí)施例的例示。


圖1示出了根據(jù)本發(fā)明的具有基于過程的架構(gòu)的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)的高度示意性 的描繪圖。圖2A到圖2C示出了圖1的架構(gòu)的三種情形，例示了本發(fā)明的基于過程的架構(gòu)的
靈活性。
圖3例示了本發(fā)明的基于過程的架構(gòu)的概念基礎(chǔ)。
具體實(shí)施例方式在本申請的上下文中，過程是能夠被動力系統(tǒng)捕獲的所有有規(guī)律的行為的集合， 例如常微分方程集合。將要注意的是，這不同于對于某一初始條件的一種行為(等同于一 個特定時間段)的單純執(zhí)行。根據(jù)本發(fā)明，m維過程(通過其狀態(tài)變量《ear來描述)出現(xiàn)于高維網(wǎng)絡(luò)動力學(xué) (通過其狀態(tài)變量來描述)，其中在非常受控的方式中維數(shù)N >> m。這是利用對慢 和快動力學(xué)的時標(biāo)分離(time-scale separation)來實(shí)現(xiàn)的，通過時標(biāo)分離，當(dāng)慢動力學(xué)在 初始快速瞬變之后建立時目標(biāo)過程出現(xiàn)于于全網(wǎng)絡(luò)(full network)動力學(xué)。它是通過流 形(manifold)上所謂的相位流來捕獲的(參考圖3)，其可被直觀地理解為在大得多的空間 內(nèi)由過程利用的子空間中的流。圖1示出了根據(jù)本發(fā)明的具有基于過程的架構(gòu)的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)10的可能實(shí)施 例。該神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)10包括輸入單元12，該輸入單元12連接到處理單元14。輸出單元 16連接到處理單元14用以輸出由處理單元14傳送的結(jié)果。輸出單元16也可以操作為用 于存儲結(jié)果的存儲部件，或者可以提供附加的存儲部件。神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)10進(jìn)一步包括用 于對稱性破缺樣式(symmetry breaking pattern)的存儲器18。處理單元14包括多個自動機(jī)或節(jié)點(diǎn)20 (描繪為圓圈)(也參考圖2A到圖2C)。自 動機(jī)或節(jié)點(diǎn)20依靠在圖1中用18和19描繪的所謂突觸連接(參考例如圖2C)而彼此互 連。如神經(jīng)元網(wǎng)絡(luò)領(lǐng)域中技術(shù)人員所知的那樣，每個節(jié)點(diǎn)20接收用19描繪的公共反饋。將 要注意，術(shù)語“自動機(jī)”和“節(jié)點(diǎn)”在本申請的上下文中將被理解為等價。下面，參考附圖來描述本發(fā)明的操作。根據(jù)本發(fā)明的時標(biāo)分離是通過節(jié)點(diǎn)20的等同連接網(wǎng)絡(luò)中的相對連通的對稱性破 缺來實(shí)現(xiàn)的。通過對權(quán)重差18的對稱的調(diào)節(jié)，可以實(shí)現(xiàn)任何期望的低維動力系統(tǒng)。如果沒 有發(fā)生這樣的對稱性破缺，則唯一的耦合經(jīng)由平均場(field)反饋19。低維性僅造成較小 的局限，因?yàn)楸M管事實(shí)是系統(tǒng)本身是高維的但神經(jīng)元系統(tǒng)中的大多數(shù)“連貫(coherent) ”過 程是低維的。N個節(jié)點(diǎn)20的網(wǎng)絡(luò)中的每個節(jié)點(diǎn)示出了對于第i節(jié)點(diǎn)和時間t由(標(biāo)量或矢 量)變量qi(t)描述的時間連續(xù)活動。如果網(wǎng)絡(luò)結(jié)構(gòu)14的連通矩陣被描述為W(q) = (Wij (q))，則整個網(wǎng)絡(luò)14的動力學(xué) 可描述為 其中，N(qi(t))qi(t)表示第i節(jié)點(diǎn)的非線性內(nèi)在動力學(xué)特性，S是節(jié)點(diǎn)之間的信 息的非線性的和可調(diào)節(jié)的傳遞。點(diǎn)表示時間導(dǎo)數(shù)。時間連續(xù)輸入Ii(qi，t)專用于每個節(jié)點(diǎn) 并且取決于它的活動qi(t)。任意的外部信號Zi(t)(所示為圖1中的11，作為輸入信號)被以輸入單元12中 的第i樣式矢量&而空間地編碼，其中& elRN。然后，這些多個外部信號經(jīng)由
被饋
送到網(wǎng)絡(luò)14，并且例示(instantiate)第i節(jié)點(diǎn)20處的輸入信號
項(xiàng)％表示將被對于適當(dāng)?shù)膽?yīng)用而調(diào)節(jié)的線性或非線性函數(shù)。在本發(fā)明的網(wǎng)絡(luò)結(jié)構(gòu)的下面數(shù)學(xué)模型討論中，為了展示的簡潔而拋棄了輸入信 號。還應(yīng)當(dāng)注意，自動機(jī)20之間的鏈接22典型地取決于q的活動。這對于使得網(wǎng)絡(luò)能夠 生成如下概述的任意處理是重要的。對于大多數(shù)應(yīng)用，鏈接的乘法形式Wij(q) =&」1(具 有常數(shù)是足夠的，這將在下面進(jìn)行討論。如果所有網(wǎng)絡(luò)鏈接具有相同的常數(shù)權(quán)重Wij=W和Wij(q) =%，則直觀的是，不能 將節(jié)點(diǎn)彼此區(qū)分，并且可以證明，整個網(wǎng)絡(luò)作用為單個單元。= w+UCiJ中的小權(quán)重變化 Cu (如附圖1中虛線18所示)在上面的動力學(xué)中引入了對稱性破缺，所述動力學(xué)可以用方 程表示如下么⑴=(0)9, (0+1；似紙.(f))丨(0 + MCySigj (tM (/) (2)
j其中ii表示變化較小的事實(shí)。如果滿足某些條件(請看下面)，則方程(2)右邊的前兩項(xiàng)對于所有節(jié)點(diǎn)都是相同 的，并且產(chǎn)生所謂的慢流形(slow manifold)。該流形是子空間，其中第i過程 ξi (t)(其
中-
)隨時間發(fā)展。它通過簡單的線性投影
而與全網(wǎng)絡(luò)
動力學(xué)相關(guān)，其中q(t)是矢量q(t) = (qi(t))，并且vf是存儲在活動分布中的第i慢過程 的第i矢量的第k分量。過程l“t)由m個分量療⑴組成。高維數(shù)互補(bǔ)空間由N-m 個矢量％連同由、(t)給出的快速瞬變動力學(xué)一起定義。由于y是小的參數(shù)，所以時標(biāo) 分離允許如下地單獨(dú)討論兩個子系統(tǒng)的行為
慢流形(3a)
慢動力學(xué)(3b)
快動力學(xué)(3c)此處(3a)表征慢流形。如果滿足(3c)，則該流形是有吸引力的。注意，(3a)和 (3c)中的括號{ }表示變量的合適集合。如果所有鏈接22相同，S卩y =0，則該流形上的 流是零(也參考圖2C)。這等效于以下陳述所有節(jié)點(diǎn)20和連接22是相同的。如果y不 為零，則在由(3b)捕獲的流形上通過18生成一個流。由于對于連通的對稱性破缺的特性 未加以限制，因此過程的動力學(xué)特性f i (t))保持任意性并且僅由樣式矢量Vi和網(wǎng)絡(luò)節(jié) 點(diǎn)20處的自動機(jī)的內(nèi)在動力學(xué)確定。或者換句話說，通過操縱連通矩陣W而在流形上生成 任意流?；蛘咴俅螕Q句話說，在流形上形成盡管有規(guī)律但是任意的行為，并且所述行為定義 過程。在圖2A中，網(wǎng)絡(luò)14中的上面的八個節(jié)點(diǎn)20斷開連接。結(jié)果，下層節(jié)點(diǎn)生成非常 特定的輸出，并且將其映射到編好號的四個節(jié)點(diǎn)，所述四個節(jié)點(diǎn)用作輸出單元16。這種網(wǎng)絡(luò) 對損害非常敏感。具體地，如果發(fā)生損傷，則網(wǎng)絡(luò)函數(shù)將遭到破壞。圖2C捕獲了以下情形其中所有節(jié)點(diǎn)20通過鏈接22連接，并且以類似的程度對 輸出16有一些貢獻(xiàn)。這種架構(gòu)對于損害是健壯的，但是并沒有充分地允許輸出的特殊性。 換句話說，每個輸出將會有一些類似，并且真實(shí)的編程是不可能的。
圖2B描述了本發(fā)明的情形所有節(jié)點(diǎn)20連接，但是連通18中的對稱性破缺允許 權(quán)重變化，因此生成如此處通過f( I i (t))表征的受控的網(wǎng)絡(luò)行為。由于f i (t))和連通的對稱性破缺彼此不是唯一相關(guān)，因此通過各種權(quán)重變化 可以實(shí)現(xiàn)相同的函數(shù)f i(t))。在圖2B中，分別在30處用陰影和在32處用散點(diǎn)示出兩 個網(wǎng)絡(luò)，它們部分地重疊(如在34處用陰影和散點(diǎn)所示)。編號2的輸出節(jié)點(diǎn)中的相同輸 出可以或者通過網(wǎng)絡(luò)30、或者通過網(wǎng)絡(luò)32來生成。這樣的靈活性允許抵抗錯誤或損害的健 壯性。圖3示出了初始輸入條件隨時間的發(fā)展。圖3的圖形具有三個軸(對于N = 3， q2和q3)，它們張成由1，q2，q3表示的空間。平坦表面40 (m = 2)定義由第i過程的變
量& =(^，打)張成的流形。繪制了五個初始條件，并且該五個初始條件通過五個各自星號表 示。隨著時間發(fā)展，系統(tǒng)的狀態(tài)矢量q(t) = (qi(t)，q2(t)，q3(t))描繪出向該流形快速運(yùn) 動的軌跡。一旦在該流形上，動力學(xué)較慢，并且軌跡遵循該流形內(nèi)的圓形流。因此，出現(xiàn)的 過程對總網(wǎng)絡(luò)動力學(xué)q(t)取近似。為了更好理解本發(fā)明的新穎的基于過程的架構(gòu)，下面將基于狀態(tài)的計(jì)算中的已形 成的觀念和術(shù)語與本發(fā)明的操作比較。“計(jì)算”是執(zhí)行如方程(3b)規(guī)定的處理。它在對P 0的網(wǎng)絡(luò)連通中進(jìn)行?！按鎯ζ鳌笔侵刈龇匠?3a)到(3c)規(guī)定的相同動態(tài)過程的性能，并且主要由連通 wi3中的對稱性破缺所定義。過程的“編碼”通過破壞連通權(quán)重以使得方程(3c)保持成立而發(fā)生。到網(wǎng)絡(luò)的“輸入”作為值集合而被提供，其將確定待執(zhí)行的處理的初始條件；可替 換地，在正執(zhí)行處理的同時，這些輸入值可以作為時間自身的函數(shù)而變化，并且該處理將相 應(yīng)地變化。解釋說明這一情況的比喻可以如下兩個舞蹈演員按協(xié)調(diào)一致的方式運(yùn)動。一 個舞蹈演員代表輸入流，另一個舞蹈演員代表CPU處理。作為第一個舞蹈演員的函數(shù)，第二 個舞蹈演員將與他/她的舞蹈動作協(xié)調(diào)；等效地，作為輸入流的行為的函數(shù)，CPU處理將改 變它的動力學(xué)特性?！拜敵觥笔蔷W(wǎng)絡(luò)的讀出，并且通過從網(wǎng)絡(luò)動力學(xué)q中提取€ J典型地通過將q投影 到的伴隨(adjoint)坐標(biāo)系統(tǒng))而發(fā)生。
權(quán)利要求
一種神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)(10)，包括處理單元(14)、用于將變量(11)輸入到處理單元(14)的輸入單元(12)和用于輸出來自處理單元(14)的處理后的變量(17)的輸出單元(16)，其中所述處理單元(14)包括多個自動機(jī)(20)，所述多個自動機(jī)(20)通過形成連通矩陣的相同互連(22)而彼此互連，并且其中所述神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)(10)具有基于過程的架構(gòu)。
2.如權(quán)利要求1所述的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中所述互連取決于狀態(tài)變量。
3.如權(quán)利要求1或2所述的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中將被基于過程的處理單元處理的過 程通過諸如微分方程集合之類的動力系統(tǒng)定義。
4.如權(quán)利要求1到3中任一項(xiàng)所述的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中所述處理單元捕獲給定處 理的較低動力學(xué)。
5.如權(quán)利要求4所述的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中所述處理單元通過時標(biāo)分離來捕獲給定 過程的較低動力學(xué)。
6.如權(quán)利要求1到5中任一項(xiàng)所述的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中所述處理單元中的受控網(wǎng) 絡(luò)行為是通過連通的對稱性破缺來實(shí)現(xiàn)的。
7.如權(quán)利要求6所述的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，其中所述處理單元調(diào)節(jié)所述互連的權(quán)重差異 以便獲得對稱性破缺。
8.一種操作神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)的方法，多個自動機(jī)通過形成連通矩陣的相同互連而彼此 互連，所述操作是基于過程的。
9.如權(quán)利要求8所述的方法，其中所述互連取決于狀態(tài)變量。
10.如權(quán)利要求8或9所述的方法，其中將被處理的過程是通過諸如微分方程集合之類 的動力系統(tǒng)來定義的。
11.如權(quán)利要求8到10中任一項(xiàng)所述的方法，包括捕獲給定過程的較低動力學(xué)的步驟。
12.如權(quán)利要求11所述的方法，其中捕獲步驟包括執(zhí)行時標(biāo)分離。
13.如權(quán)利要求8到12中任一項(xiàng)所述的方法，包括連通的對稱性破缺步驟。
14.如權(quán)利要求13所述的方法，其中所述對稱性破缺步驟包括調(diào)節(jié)所述互連的權(quán)重差巳
全文摘要
一種神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，包括處理單元；輸入單元，用于將變量輸入到處理單元；和輸出單元，用于輸出來自處理單元的處理后的變量，其中所述處理單元包括多個自動機(jī)，所述多個自動機(jī)通過形成連通矩陣的相同互連而彼此互連，并且其中所述神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)具有基于過程的架構(gòu)。
文檔編號G06N3/04GK101868803SQ200780101617
公開日2010年10月20日 申請日期2007年9月21日 優(yōu)先權(quán)日2007年9月21日
發(fā)明者約肯·默斯曼, 維克托·杰薩 申請人:科德博克斯計(jì)算機(jī)服務(wù)有限責(zé)任公司