脉冲神经网络训练方法、数据处理方法、电子设备和介质技术

本公开提供了一种脉冲神经网络训练方法，包括：将训练样本对应的脉冲信号输入至待训练的脉冲神经网络中；基于反向传播规则对脉冲神经网络进行训练；其中，在训练的前向传播阶段，包括：根据训练样本在目标层的置信度对目标层的脉冲发放阈值进行调整。本公开还提供了一种基于脉冲神经网络的数据处理方法、电子设备和计算机可读介质。

【技术实现步骤摘要】
脉冲神经网络训练方法、数据处理方法、电子设备和介质
本公开涉及计算机
，特别涉及一种脉冲神经网络训练方法、基于脉冲神经网络的数据处理方法、电子设备和计算机可读介质。
技术介绍
相比传统的神经网络，脉冲神经网络(SpikingNeuronNetwork，简称SNN)由于其更贴合实际的仿生设计，被广泛应用于模式识别、图像处理和计算机视觉等多个领域。现阶段，在利用反向传播(BackPropagation，简称BP)规则进行训练时，脉冲神经网络的稀疏性会导致其在训练过程中，较容易出现梯度消失或梯度爆炸的情况，使得基于该规则进行训练较为困难。
技术实现思路
本公开提供一种脉冲神经网络训练方法、基于脉冲神经网络的数据处理方法、电子设备和计算机可读介质。第一方面，本公开提供了一种脉冲神经网络训练方法，包括：将训练样本对应的脉冲信号输入至待训练的脉冲神经网络中；基于反向传播规则对所述脉冲神经网络进行训练；其中，在训练的前向传播阶段，包括：根据所述训练样本在目标层的置信度对所述目标层的脉冲发放阈值进行调整。...

【技术保护点】
1.一种脉冲神经网络训练方法，包括：/n将训练样本对应的脉冲信号输入至待训练的脉冲神经网络中；/n基于反向传播规则对所述脉冲神经网络进行训练；其中，在训练的前向传播阶段，包括：根据所述训练样本在目标层的置信度对所述目标层的脉冲发放阈值进行调整。/n

【技术特征摘要】
1.一种脉冲神经网络训练方法，包括：
将训练样本对应的脉冲信号输入至待训练的脉冲神经网络中；
基于反向传播规则对所述脉冲神经网络进行训练；其中，在训练的前向传播阶段，包括：根据所述训练样本在目标层的置信度对所述目标层的脉冲发放阈值进行调整。


2.根据权利要求1所述的方法，其中，在所述根据所述训练样本在目标层的置信度对所述目标层的脉冲发放阈值进行调整的步骤之前，还包括：
根据所述目标层对应的膜电位计算所述目标层对应的激活参数；
所述根据所述训练样本在目标层的置信度对所述目标层的脉冲发放阈值进行调整的步骤，包括：
根据所述激活参数和所述置信度计算得出目标调整阈值，并基于所述目标调整阈值对所述脉冲发放阈值进行调整。


3.根据权利要求2所述的方法，其中，所述目标调整阈值包括：第一调整阈值；
所述根据所述激活参数和所述置信度计算得出目标调整阈值，并基于所述目标调整阈值对所述脉冲发放阈值进行调整的步骤，包括：
响应于所述脉冲发放阈值小于所述第一调整阈值的情况，对所述脉冲发放阈值进行调整。


4.根据权利要求3所述的方法，其中，所述响应于所述脉冲发放阈值小于所述第一调整阈值的情况，对所述脉冲发放阈值进行调整的步骤，包括：
根据所述脉冲发放阈值与预先设置的兴奋参数之和对所述脉冲发放阈值进行调整，直至所述脉冲发放阈值等于所述第一调整阈值；和/或，根据所述脉冲发放阈值与所述兴奋参数之和对所述脉冲发放阈值进行调整，其中，进行调整的次数小于或等于预先设置的最大调整次数。


5.根据权利要求3所述的方法，其中，所述目标调整阈值还包括：第二调整阈值；
所述根据所述激活参数和所述置信度计算得出目标调整阈值，并基于所述目标调整阈值对所述脉冲发放阈值进行调整的步骤，还包括：
响应于所述脉冲发放阈值大于所述第二调整阈值的情况，对所述脉冲发放阈值进行调整，其中，所述第二调整阈值大于所述第一调整阈值。


6.根据权利要求5所述的方法，其中，所述响应于所述脉冲发放阈值大于所述第二调整阈值的情况，对所述脉冲发放阈值进行调整的步骤，包括：
根据所述脉冲发放阈值与预先设置的兴奋参数之差对所述脉冲发放阈值进行调整，直至所述脉冲发放阈值等于所述第二调整阈值；和/或，根据所述脉冲发放阈值与所述兴奋参数之差对所述脉冲发放阈值进行调整，其中，进行调整的次数小于或等于预先设置的最大调整次数。


7.根据权利要求1至6中任一所述的方法，其中，在所述根据所述训练样本在所述目标层的置信度对所述目标层的脉冲发放阈值进行调整的步骤之后，还包括：
响应于所述激活参数大于或等于调整后的所述脉冲发放阈值的情况，进行脉冲发放。


8.根据权利要求1所述的方法，其中，所述根据所述训练样本在目标层的置信度对所述目标层的脉冲发放阈值进行调整的步骤，包括：
根据所述...

【专利技术属性】
技术研发人员：吴臻志，张启坤，王红伟，
申请(专利权)人：北京灵汐科技有限公司，
类型：发明
国别省市：北京;11