自适应阈值神经元信息处理方法和系统技术方案
Adaptive threshold neuron information processing method and system
The invention relates to an adaptive threshold neuron information processing method and system, wherein the method comprises: receiving front-end outputs information read the information of the current pulse pulse; neurons; according to the front end pulse neuron output information and the current pulse neuron information, neural computing output information of the current pulse; read the current adaptive threshold variables and threshold potential. The calculation of the current adaptive threshold; when the current pulse output neurons is greater than or equal to the threshold, the output of the neuron output information of the current pulse, and according to the first adaptive threshold update model updating the current adaptive threshold variable, otherwise no output of the neuron output information of the current pulse, and second adaptive threshold update model update the current variables based on adaptive threshold. The invention can effectively balance the release frequency of each neuron in the whole network, and improve the information processing ability of the pulse neural network.
【技术实现步骤摘要】
自适应阈值神经元信息处理方法和系统
本专利技术涉及人工神经网络
，特别是涉及自适应阈值神经元信息处理方法和系统。
技术介绍
如今的人工神经网络研究绝大多数仍是在冯·诺依曼计算机软件并搭配高性能GPGPU(GeneralPurposeGraphicProcessingUnits通用图形处理单元)平台中实现的，整个过程的硬件开销、能耗和信息处理速度都不容乐观。为此，近几年神经形态计算领域迅猛发展，即采用硬件电路直接构建神经网络从而模拟大脑的功能，试图实现大规模并行、低能耗、可支撑复杂模式学习的计算平台。然而，传统的神经形态系统中，如何有效均衡整个神经网络中的每个脉冲神经元的发放频率，使得每个脉冲神经元在处理信息时都能够发挥作用，是传统神经网络中亟待解决的问题。
技术实现思路
基于此，有必要针对如何有效均衡整个神经网络中的每个脉冲神经元的发放频率的问题，提供一种自适应阈值神经元信息处理方法和系统，所述方法包括：接收前端脉冲神经元输出信息；读取当前脉冲神经元信息；根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；读取当前自适应阈值变量和...
【技术保护点】
一种自适应阈值神经元信息处理方法，其特征在于，所述方法包括：接收前端脉冲神经元输出信息；读取当前脉冲神经元信息；根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值；判断所述当前脉冲神经元输出信息是否大于或等于所述自适应阈值，若是，则输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，若否，不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量。
【技术特征摘要】
1.一种自适应阈值神经元信息处理方法，其特征在于，所述方法包括：接收前端脉冲神经元输出信息；读取当前脉冲神经元信息；根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值；判断所述当前脉冲神经元输出信息是否大于或等于所述自适应阈值，若是，则输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，若否，不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量。2.根据权利要求1所述的自适应阈值神经元信息处理方法，其特征在于：所述前端脉冲神经元输出信息包括：前端脉冲神经元输出的脉冲尖端信息、前端脉冲神经元与当前脉冲神经元的连接权重索引；所述当前脉冲神经元信息包括：当前时间窗宽度、当前时间窗内脉冲尖端信息序列、历史膜电位信息和膜电位泄漏信息；则根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息，包括：根据所述前端脉冲神经元与当前脉冲神经元的连接权重索引，读取前端脉冲神经元与当前脉冲神经元的连接权重；根据所述前端脉冲神经元输出的脉冲尖端信息，和所述当前时间窗内脉冲尖端信息序列，更新所述当前时间窗内脉冲尖端信息序列，获取当前时间窗内脉冲尖端信息更新序列；根据所述当前时间窗宽度、所述当前时间窗内脉冲尖端信息更新序列，通过衰减函数计算前端脉冲神经元输入信息；根据所述前端脉冲神经元输入信息、所述前端脉冲神经元与当前脉冲神经元的连接权重、所述历史膜电位信息、所述膜电位泄露信息，通过脉冲神经元计算模型，计算当前脉冲神经元输出信息。3.根据权利要求2所述的自适应阈值神经元信息处理方法，其特征在于，所述当所述当前脉冲神经元输出信息大于或等于所述自适应阈值时，输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，还包括：确定发放触发标志信息为发放触发，所述发放触发标志信息包括发放触发或发放不触发；复位不应期计时器，并更新所述历史膜电位信息为预设的复位膜电位信息。4.根据权利要求3所述的自适应阈值神经元信息处理方法，其特征在于，所述则不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量，还包括：确定所述发放触发标志信息为发放不触发；读取不应期宽度和不应期计时器的当前时间步；根据所述不应期宽度和所述不应期计时器的当前时间步，判断当前时间是否在不应期内，若当前时间在所述不应期内，将所述不应期计时器累加计时一个时间步，不更新所述历史膜电位信息；若当前时间不在所述不应期内，将所述不应期计时器累加计时一个时间步，并更新所述历史膜电位信息为所述当前脉冲神经元输出信息。5.根据权利要求1所述的自适应阈值神经元信息处理方法，其特征在于，所述读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值，包括：读取随机阈值掩模电位、阈值偏置、当前自适应阈值变量和随机阈值；将所述随机阈值和所述随机阈值掩模电位进行按位与操作，获取阈值随机叠加量；根据所述阈值随机叠加量和所述阈值偏置，确定所述阈值电位；根据所述阈值电位和所述当前自适应阈值变量，确定所述当前自适应阈值。6.根据权利要求1所述的自适应阈值神经元信息处理方法，其特征在于，所述根据第一自适应阈值更新模型更新所述当前自适应阈值变量，包括：读取发放阈值增量和所述当前自适应阈值变量；根据预设的衰减常数和所述当前自适应阈值变量，计算第一阈值；将所述发放阈值增量叠加至所述第一阈值，获取第二阈值；根据所述第二阈值更新所述当前自适应阈值变量。7.根据权利要求6所述的自适应阈值神经元信息处理方法，其特征在于，所述根据第二自适应阈值更新模型更新所述当前自适应阈值变量，包括：读取所述当前自适应阈值变量；根据所述预设的衰减常数和所述当前自适应阈值变量，计算第三阈值，根据所述第三阈值更新所述当前自适应阈值变量。8.根据权利要求3所述的自适应阈值神经元信息处理方法，其特征在于，所述输出所述当前脉冲神经元输出信息，包括：读取发放使能标识，所述发放使能标识包括允许发放数据或不允许发放数据，当所述发放使能标识为允许发放数据时，读取所述发放触发标志信息，当所述发放触发标志信息为发放触发时；输出所述当前脉冲神经元输出信息。9.一种自适应阈值神经元信息处理系统，其特征在于，包括：前端脉冲神经元输出信息接收模块，用于接收前端脉冲神经元输出...
【专利技术属性】
技术研发人员：裴京，邓磊，施路平，吴臻志，李国齐，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。