【技术实现步骤摘要】
本公开涉及人工智能领域，尤其涉及一种时域信号处理方法及装置、介质。
技术介绍
1、在面向人工通用智能的探索的过程中，类脑计算受到广泛的关注。类脑计算是指借鉴模仿人脑的信息处理机制，从算法、硬件架构等多个层面打破冯·诺依曼计算框架。
2、类脑计算中的重要算法模型——脉冲神经网络(spiking neural networks，snn)被称作第三代神经网络。脉冲神经网络通过模仿人脑神经元及连接关系，拥有丰富的编码能力、多样的时空动力学机制以及事件驱动特性等特点，可以处理复杂的时空信息，并能够在神经形态硬件平台上有效部署，具有高速低功耗等优势。
3、目前，学界基于脉冲神经网络的前沿研究工作，主要采用整合-发放(integrate-and-fire，if)神经元模型或泄漏-整合-发放(leaky-integrate-and-fire，lif)神经元模型。if模型将加权后的突触输入进行直接加和后经过阈值函数，使神经元发生0/1脉冲，而lif模型在if模型的基础上加入了胞体膜电位衰减机制。这两类神经元模型在足够长的时间步下，...
【技术保护点】
1.一种时域信号处理方法，其特征在于，所述方法利用脉冲神经元模型进行信号处理，所述脉冲神经元模型包括时域异质性神经元层，所述时域异质性神经元层包括多个异质性神经元，各所述异质性神经元包括具有多个异质性树突分枝的胞体且各所述异质性树突分枝具有不同的第一时间因子，所述第一时间因子用于处理传递至所述异质性树突分枝的信号，各所述胞体具有不同的第二时间因子，所述第二时间因子用于处理传递至所述胞体的信号，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述脉冲神经元模型包括多个时域异质性神经元层的情况下，以前一个时域异质性神经元层的各异质性神经元得到的脉冲...
【技术特征摘要】
1.一种时域信号处理方法，其特征在于，所述方法利用脉冲神经元模型进行信号处理，所述脉冲神经元模型包括时域异质性神经元层，所述时域异质性神经元层包括多个异质性神经元，各所述异质性神经元包括具有多个异质性树突分枝的胞体且各所述异质性树突分枝具有不同的第一时间因子，所述第一时间因子用于处理传递至所述异质性树突分枝的信号，各所述胞体具有不同的第二时间因子，所述第二时间因子用于处理传递至所述胞体的信号，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述脉冲神经元模型包括多个时域异质性神经元层的情况下，以前一个时域异质性神经元层的各异质性神经元得到的脉冲输出结果作为下一个时域异质性神经元层的输入，使得所述下一个时域异质性神经元层的各异质性神经元均接收到各所述脉冲输出结果；
3.根据权利要求1所述的方法，其特征在于，所述脉冲神经元模型还包括输入层和输出层；
4.根据权利要求1所述的方法，其特征在于，所述各所述异质性树突分枝基于不同的第一时间因子对输入的待处理信号进行处理得到第一输出值并发送至所述胞体，包括：
5.根据权利要求1所述的方法，其特征在于，所述胞体基于所述第二时间因子对来...
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。