【技术实现步骤摘要】
基于忆阻器实现脉冲神经网络竞争学习机制的方法及系统
本专利技术涉及脉冲神经网络的硬件实现技术，具体涉及一种基于忆阻器实现脉冲神经网络竞争学习机制的方法及系统。
技术介绍
脉冲神经网络（spikingneuralnetwork,SNN）是一种仿生性的神经网络模型，在实现低功耗、高效率的智能系统上具有广阔的前景。SNN的基本组成单元包括脉冲神经元（spikingneuron）和突触（synapse），脉冲神经元是计算单元，突触是脉冲神经元之间的连接，也是神经元之间传递信息的通道，传递信息的载体是脉冲信号（spike），脉冲信号由一个神经元发出经过突触传达到另外一个神经元。脉冲神经元通过突触接收来自其他脉冲神经元的脉冲信号，通过自身动态方程的计算得到新的神经元状态，当神经元的状态变量超过一定的阈值就会进入激活状态，并向外发射一次脉冲信号；突触是神经元之间的连接，可以将前级神经元发送出来的脉冲信号传递给后级，根据接受到脉冲信号后给后级神经元带来的作用，突触可以分为激活型突触和突触，激活型突触接受到前级脉冲信号后会对后级神经元...
【技术保护点】
1.一种基于忆阻器实现脉冲神经网络竞争学习机制的方法，其特征在于，所述脉冲神经网络中学习层的激活型神经元从输入层接收脉冲并在STDP的规则下进行学习时，还包括通过基于忆阻器实现的突触与一个或多个激活型神经元相连的抑制型神经元执行横向抑制的步骤：若抑制型神经元被来自突触的电流激活，则抑制型神经元通过突触向所连接的激活型神经元发送抑制型脉冲以实现横向抑制。/n
【技术特征摘要】
1.一种基于忆阻器实现脉冲神经网络竞争学习机制的方法，其特征在于，所述脉冲神经网络中学习层的激活型神经元从输入层接收脉冲并在STDP的规则下进行学习时，还包括通过基于忆阻器实现的突触与一个或多个激活型神经元相连的抑制型神经元执行横向抑制的步骤：若抑制型神经元被来自突触的电流激活，则抑制型神经元通过突触向所连接的激活型神经元发送抑制型脉冲以实现横向抑制。
2.根据权利要求1所述的基于忆阻器实现脉冲神经网络竞争学习机制的方法，其特征在于，所述抑制型脉冲为由一个负偏置脉冲和正偏置脉冲组成。
3.根据权利要求2所述的基于忆阻器实现脉冲神经网络竞争学习机制的方法，其特征在于，所述抑制型神经元通过突触向所连接的激活型神经元发送抑制型脉冲时还包括修改基于忆阻器实现的突触的权值的步骤：若在抑制型神经元被激活前突触所连的激活型神经元没有输入脉冲，则仅由抑制型脉冲的正偏置脉冲达到阈值，并将突触中忆阻器的电导值编程为更小的值；若在抑制型神经...
【专利技术属性】
技术研发人员：王蕾，曲连华，李石明，康子扬，田烁，陈小帆，丁东，冯权友，赵振宇，徐炜遐，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43
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。