一种基于脉冲连续吸引子网络的类脑预测跟踪方法技术

本发明专利技术公开了一种基于脉冲连续吸引子网络的类脑预测跟踪方法，所述方法包括：获取并根据有漏损的整合发放神经元模型，构建脉冲连续吸引子网络模型；根据运动目标实时位置，生成与所述运动目标实时位置对应的输入向量；将来自于脉冲连续吸引子网络中所有神经元的突触输入，作为神经元自身负反馈的脉冲频率自适应信号，以及与所述运动目标实时位置对应的输入向量，输入到脉冲连续吸引子网络的当前神经元，并根据单个脉冲神经元的动力学过程进行演化计算，得到单个脉冲神经元的演化计算结果；根据所述单个脉冲神经元的演化计算结果，得到神经元群的演化计算结果，并对所述神经元群的演化计算结果进行解码得到运动目标的实时预测位置。测位置。测位置。

【技术实现步骤摘要】
一种基于脉冲连续吸引子网络的类脑预测跟踪方法


[0001]本专利技术涉及计算机视觉
，尤其涉及的是一种基于脉冲连续吸引子网络的类脑预测跟踪方法。

技术介绍

[0002]现有技术中基于连续吸引子网络的在线跟踪算法采用发放率神经元作为基本单元，只是在网络连接结构层面上的仿脑，并未在更底层的神经元单元上仿脑，不适用于处理神经形态感知芯片产生的信号，也不适于在当前快速发展的神经形态计算芯片上进行部署实现。
[0003]因此，现有技术还有待改进和发展。

技术实现思路

[0004]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于脉冲连续吸引子网络的类脑预测跟踪方法，旨在解决现有技术中类脑预测跟踪方法并未在更底层的神经元单元上仿脑，不适用于处理神经形态感知芯片产生的信号，也不适于在当前快速发展的神经形态计算芯片上进行部署实现的问题。
[0005]本专利技术解决问题所采用的技术方案如下：
[0006]第一方面，本专利技术实施例提供一种基于脉冲连续吸引子网络的类脑预测跟踪方法，其中，所述方法包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脉冲连续吸引子网络的类脑预测跟踪方法，其特征在于，所述方法包括：获取并根据有漏损的整合发放神经元模型，构建脉冲连续吸引子网络模型，其中，所述脉冲连续吸引子网络包含脉冲神经元和神经元之间的连接权重函数；其中，所述脉冲神经元包含作为神经元自身负反馈的脉冲频率自适应信号；根据运动目标实时位置，生成与所述运动目标实时位置对应的输入向量；将来自于脉冲连续吸引子网络中所有神经元的突触输入，作为神经元自身负反馈的脉冲频率自适应信号，以及与所述运动目标实时位置对应的输入向量，输入到脉冲连续吸引子网络的当前神经元，并根据单个脉冲神经元的动力学过程进行演化计算，得到单个脉冲神经元的演化计算结果；根据所述单个脉冲神经元的演化计算结果，得到神经元群的演化计算结果，并对所述神经元群的演化计算结果进行解码得到运动目标的实时预测位置。2.根据权利要求1所述的基于脉冲连续吸引子网络的类脑预测跟踪方法，其特征在于，所述获取并根据有漏损的整合发放神经元模型，构建脉冲连续吸引子网络模型包括：获取有漏损的整合发放神经元模型；获取视觉场景大小；构建所述脉冲连续吸引子网络模型中神经元之间的交互关系，生成与所述视觉场景大小对应的脉冲连续吸引子网络模型；其中，所述交互关系的表达公式为：其中σ
con
表示连接的宽度，可根据具体场景大小进行设定，θ
i
、θ
j
为偏好方向，J0是归一化参数。3.根据权利要求1所述的基于脉冲连续吸引子网络的类脑预测跟踪方法，其特征在于，所述输入向量用I
ext
表示，其中I
ext
的具体表达公式为：其中λ表示外界输入的强度，a和b为常量，σ
stm
表示输入的宽度，均值θ
stm
表示当前运动目标所在的位置，与目标运动速度v
ext
及目标初始位置θ0相关；其中，所述输入向量为钟型函数。4.根据权利要求1所述的基于脉冲连续吸引子网络的类脑预测跟踪方法，其特征在于，所述单个脉冲神经元的动力学过程满足的函数为：其中，t是时间，V
i
即为V
i
(t)是神经元i的膜电位，C
m
是神经元的膜电容，V
L
是漏损电流的平衡电位，V
th
是神经元产生动作电位的阈值，g
L
(V
i
(t)
‑
V
L
)表示漏损，I
i,syn
(t)表示该神经元接收来自于网络中所有神经元的突触电流，I
i,sfa
(t...

【专利技术属性】
技术研发人员：弭元元，余柳涛，
申请(专利权)人：重庆大学，
类型：发明
国别省市：