【技术实现步骤摘要】
本专利技术涉及类脑智能及深度学习，具体涉及一种基于新型脉冲神经元动力学的时序任务分类方法。
技术介绍
1、近年来，人工神经网络(anns)迅速发展，广泛应用于各种领域并取得重大成就，例如人机交互、计算机视觉、智能制造以及医学影像等。此外，注意力机制、残差结构、批归一化以及非欧式学习策略等关键技术的提出，提升了深层次anns的泛化能力以及模型参数量，从而能够有效地应用于复杂场景。尽管anns相比于其它的机器学习和深度学习方法有着诸多的优势，但是anns采用了一种低效率的信息处理方式，并且深层次anns需要大量的能源消耗，这将在资源有限的情况下成为一种挑战。
2、脉冲神经网络(snns)被誉为第三代神经网络模型，因其高度的生物可解释性、低能源消耗、事件驱动属性以及强大的时空信息处理能力，snns被视为是anns的有力竞争者。首先，在事件驱动的规则下，snns中的神经元以异步的脉冲信号进行通信，意味着计算单元仅需在有脉冲触发时激活即可，进而节约运算时间和资源消耗；再者，snns采用了一种新型的类脑信息计算范式，在网络的每层中，感受...
【技术保护点】
1.一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：所述脉冲神经网络通过聚集和归一化多个神经元的输出得到下一神经元的输入：
3.根据权利要求1所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：神经元接收信号后，膜电压会发生变化，当电压变化达到设定电压阈值时会激活多重触发机制，神经元生成脉冲信号并传递给其他神经元。
4.根据权利要求3所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：所述多重触...
【技术特征摘要】
1.一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：所述脉冲神经网络通过聚集和归一化多个神经元的输出得到下一神经元的输入：
3.根据权利要求1所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：神经元接收信号后，膜电压会发生变化，当电压变化达到设定电压阈值时会激活多重触发机制，神经元生成脉冲信号并传递给其他神经元。
4.根据权利要求3所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：所述多重触发机制包括树突触发和轴突触发，所述树突触发将神经元的膜电压与设定电压阈值进行比较以生成树突脉冲，所述轴突触发将所述树突脉冲转换为二进制得到轴突脉冲；
5.根据权利要求3所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：在所述多重触发机制下，膜电压的梯度的表达式为：
6.根据权利要求2所述的一种基于新型脉冲神经元动力学的时序任务分类方法，其特征在于：步骤s1中利用所述区域电流对接收信号的...
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。