人工神经网络和脉冲神经网络神经的混合通信方法及系统技术方案

本发明专利技术提供了一种人工神经网络和脉冲神经网络神经的混合通信方法及系统，涉及通信技术领域，将获取的识别图片输入第一脉冲神经网络的第一脉冲计算单元，得到特征图像对应的脉冲编码集，对识别图片进行强化识别，忽略图片中的背景噪声；将所述脉冲编码集转化为所述特征图像，将所述特征图像输入人工神经网络的人工计算单元，得到分析处理后的处理图片，剔除图片中与目标物无关的其他干扰物，使得图片所含有用信息的占比大幅提升；将所述处理图片输入至第二脉冲神经网络的第二脉冲计算单元，得到执行信息并发送给执行设备，由于此时图片中的目标物信息占比较多，第二脉冲神经网络的输出的结果准确率提高，系统反应灵敏度增强

【技术实现步骤摘要】
人工神经网络和脉冲神经网络神经的混合通信方法及系统


[0001]本专利技术涉及通信
，具体而言，涉及一种人工神经网络和脉冲神经网络神经的混合通信方法及系统
。

技术介绍

[0002]随着神经网络的不断发展，人工神经网络的技术越来越成熟，但是人工神经网络的计算量较大，能耗较高，而脉冲神经元与生物神经元的特性类似，其表达能力在理论上强于现有的人工神经元，因此脉冲神经网络称为一种代替人工神经网络的方案，脉冲神经网络（
SNN
）在训练方法上与人工神经网络（
ANN
）不同，
SNN
常采用
STDP
学习规则，需要同时看前级和后级神经元的发放情况，共同决定权重的改变量，训练不理想，准确率比
ANN
差很多
。
[0003]将
SNN
应用到探测
、
机器识别控制
、
汽车无人驾驶控制等场景中时，由于
SNN
的自学习能力不足，输出结果准确率不高，难以保证控制的准确性
。

技术实现思路

[0004]本专利技术所要解决的问题是现有
SNN
的自学习能力不足，难以保证控制的准确性
。
[0005]为解决上述问题，一方面，本专利技术提供了一种人工神经网络和脉冲神经网络神经的混合通信方法，包括：获取采集到的识别图片；将所述识别图片输入第一脉冲神经网络的第一脉冲计算单元，得到特征图像对应的脉冲编码集；将所述脉冲编码集转化为所述特征图像，将所述特征图像输入人工神经网络的人工计算单元，得到分析处理后的处理图片；将所述处理图片输入至第二脉冲神经网络的第二脉冲计算单元，得到执行信息；将所述执行信息发送给执行设备
。
[0006]可选地，所述人工神经网络和脉冲神经网络神经的混合通信方法还包括：在使用所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络之前，对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络进行训练
。
[0007]可选地，所述对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络进行训练，训练方法包括：获取训练图片和训练图片对应的实际执行信息；将所述训练图片先后输入所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，得到理论执行信息；将所述理论执行信息与所述实际执行信息进行对比，分析损失值；利用所述损失值反向调节所述第二脉冲神经网络的网络参数
、
所述人工神经网络中的网络参数和所述第一脉冲神经网络的网络参数；循环执行训练方法，得到训练后所述第一脉冲神经网络
、
所述人工神经网络和所
述第二脉冲神经网络
。
[0008]可选地，所述循环执行训练方法，得到训练后所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络包括：循环执行训练方法，统计执行训练方法的循环次数；当所述循环次数大于或等于预设次数时；停止对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络的大循环训练；将所述训练图片输入至训练后的所述第一脉冲神经网络，得到所述特征图像对应的训练脉冲编码集；将所述训练图片对应的实际执行信息代入所述第二脉冲神经网络的第二脉冲计算单元，反推得到所述训练处理图片；利用所述训练脉冲编码集和所述训练处理图片，对所述人工神经网络进行持续训练，直至所述人工神经网络输出的理论处理图片与所述训练处理图片相同
。
[0009]可选地，所述将所述训练图片先后输入所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，得到理论执行信息包括：将所述训练图片输入第一脉冲神经网络的第一脉冲计算单元，得到训练特征图片对应的训练脉冲编码集；将所述训练脉冲编码集转换为所述训练特征图片，输入至人工神经网络的人工计算单元，得到训练处理图片；将所述训练处理图片输入至所述第二脉冲神经网络中，输出理论执行信息
。
[0010]另外一方面，本专利技术还提供了一种人工神经网络和脉冲神经网络神经的混合通信系统，包括：采集模块，用于获取采集到的识别图片；第一脉冲神经网络模块，用于将所述识别图片输入第一脉冲神经网络的第一脉冲计算单元，得到特征图像对应的脉冲编码集；人工神经网络模块，用于将所述脉冲编码集转化为所述特征图像，将所述特征图像输入人工神经网络的人工计算单元，得到分析处理后的处理图片；第二脉冲神经网络模块，用于将所述处理图片输入至第二脉冲神经网络的第二脉冲计算单元，得到执行信息；信息发送模块，用于将所述执行信息发送给执行设备
。
[0011]可选地，人工神经网络和脉冲神经网络神经的混合通信系统还包括：训练模块，用于在使用所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络之前，对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络进行训练
。
[0012]可选地，所述训练模块包括：训练数据提取子模块，用于获取训练图片和训练图片对应的实际执行信息；正向传播子模块，用于将所述训练图片先后输入所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，得到理论执行信息；损失分析子模块，用于将所述理论执行信息与所述实际执行信息进行对比，分析损失值；
反向传播子模块，用于利用所述损失值反向调节所述第二脉冲神经网络的网络参数
、
所述人工神经网络中的网络参数和所述第一脉冲神经网络的网络参数；循环控制子模块，用于控制循环执行训练方法，得到训练后所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络
。
[0013]可选地，所述循环控制子模块中的所述循环执行训练方法，得到训练后所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，包括：循环执行训练方法，统计执行训练方法的循环次数；当所述循环次数大于或等于预设次数时；停止对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络的大循环训练；将所述训练图片输入至训练后的所述第一脉冲神经网络，得到所述特征图像对应的训练脉冲编码集；将所述训练图片对应的实际执行信息代入所述第二脉冲神经网络的第二脉冲计算单元，反推得到所述训练处理图片；利用所述训练脉冲编码集和所述训练处理图片，对所述人工神经网络进行持续训练，直至所述人工神经网络输出的理论处理图片与所述训练处理图片相同
。
[0014]可选地，所述正向传播子模块中的所述将所述训练图片先后输入所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，得到理论执行信息，包括：将所述训练图片输入第一脉冲神经网络的第一脉冲计算单元，得到训练特征图片对应的训练脉冲本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人工神经网络和脉冲神经网络神经的混合通信方法，其特征在于，包括：获取采集到的识别图片；将所述识别图片输入第一脉冲神经网络的第一脉冲计算单元，得到特征图像对应的脉冲编码集；将所述脉冲编码集转化为所述特征图像，将所述特征图像输入人工神经网络的人工计算单元，得到分析处理后的处理图片；将所述处理图片输入至第二脉冲神经网络的第二脉冲计算单元，得到执行信息；将所述执行信息发送给执行设备
。2.
根据权利要求1所述的人工神经网络和脉冲神经网络神经的混合通信方法，其特征在于，还包括：在使用所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络之前，对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络进行训练
。3.
根据权利要求2所述的人工神经网络和脉冲神经网络神经的混合通信方法，其特征在于，所述对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络进行训练，训练方法包括：获取训练图片和训练图片对应的实际执行信息；将所述训练图片先后输入所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，得到理论执行信息；将所述理论执行信息与所述实际执行信息进行对比，分析损失值；利用所述损失值反向调节所述第二脉冲神经网络的网络参数
、
所述人工神经网络中的网络参数和所述第一脉冲神经网络的网络参数；循环执行训练方法，得到训练后所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络
。4.
根据权利要求3所述的人工神经网络和脉冲神经网络神经的混合通信方法，其特征在于，所述循环执行训练方法，得到训练后所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络包括：循环执行训练方法，统计执行训练方法的循环次数；当所述循环次数大于或等于预设次数时；停止对所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络的大循环训练；将所述训练图片输入至训练后的所述第一脉冲神经网络，得到所述特征图像对应的训练脉冲编码集；将所述训练图片对应的实际执行信息代入所述第二脉冲神经网络的第二脉冲计算单元，反推得到所述训练处理图片；利用所述训练脉冲编码集和所述训练处理图片，对所述人工神经网络进行持续训练，直至所述人工神经网络输出的理论处理图片与所述训练处理图片相同
。5.
根据权利要求3所述的人工神经网络和脉冲神经网络神经的混合通信方法，其特征在于，所述将所述训练图片先后输入所述第一脉冲神经网络
、
所述人工神经网络和所述第二脉冲神经网络，得到理论执行信息包括：将所述训练图片输入第一脉冲神经网络的第一脉冲计算单元，得到训练特征图片对应
的训练脉冲编码集；将所述训练脉冲编码集转换为所述训练特征图片，输入至人工神经网络的人工计算单元，得到训练处理图片；将所述训练处理图片输入至所述第二脉冲神经网络中，输出理论执行信息
。6.
一种人工神经网络和脉冲神经网络神经的混合通信系统，其特征在于，包括：采集模块，...

【专利技术属性】
技术研发人员：向程乐，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：