用于创建脉冲神经网络的方法、设备和计算机程序技术

本发明专利技术涉及一种用于创建脉冲神经网络（英文Spiking Neural Network）的方法（10）。该方法开始于将可预先给定的控制模式（英文rollout pattern）分派给深度神经网络。接着，在使用该控制模式的情况下对该深度神经网络进行教导。接着，将该深度神经网络转换成该脉冲神经网络，其中根据该控制模式来分别给该脉冲神经网络的连接分配延迟。本发明专利技术还涉及一种用于实施该方法（10）的计算机程序和设备以及一种在其上存储有该计算机程序的机器可读存储元件。储元件。储元件。

【技术实现步骤摘要】
用于创建脉冲神经网络的方法、设备和计算机程序


[0001]本专利技术涉及一种用于通过将被教导的人工神经网络转换成脉冲神经网络来创建该脉冲神经网络的方法。本专利技术同样涉及一种分别被设立为实施该方法的设备和计算机程序。

技术介绍

[0002]可能的是使人工神经网络完全并行地运行，如由作者Volker Fischer、Jan K
ö
hler和Thomas Pfeil在他们的出版物“The streaming rollout of deep networks-towards fully model-parallel execution.”arXiv preprint arXiv:1806.04965（2018年）所示出以及在DE 20 2018 104 373 U1中所示出的那样。
[0003]公知脉冲神经网络（英文Spiking Neural Network，SNN）。脉冲神经网络是人工神经网络（英文Artifical Neural Network，ANN）的变体并且与生物神经网络非常相似。就像在生物神经网络中那样，脉冲神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于通过将深度神经网络转换成脉冲神经网络（英文Spiking Neural Network）来创建脉冲神经网络的方法，所述方法包括如下步骤：
-ꢀ
将可预先给定的控制模式（英文rollout pattern）分派给所述深度神经网络，其中所述控制模式表征计算的顺序，所述深度神经网络的层或神经元按照所述顺序来确定所述层或神经元的中间参量，而且其中所述控制模式表征所述深度神经网络的层或神经元中的哪些层或神经元与所述顺序无关地来确定其中间参量；
-ꢀ
在使用所述控制模式的情况下对所述深度神经网络进行教导；
-ꢀ
将所述深度神经网络转换成所述脉冲神经网络，其中根据所述控制模式来选择被分配给所述脉冲神经网络的连接和/或神经元的延迟。2.根据权利要求1所述的方法，其中所述深度神经网络具有至少一个跨接连接，其中在将所述深度神经网络转换成所述脉冲神经网络时，根据所述控制模式和/或根据所述深度神经网络的通过所述脉冲神经网络的跨接连接被跨接的层的数目来选择所述跨接连接的所分配的延迟。3.根据上述权利要求中任一项所述的方法，其中在进行所述教导时对所述深度神经网络的参数和/或中间参量进行量化。4.根据上述权利要求中任一项所述的方法，其中所述控制模式对应于流控制模式（英文Streaming R...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：罗伯特，
类型：发明
国别省市：