【技术实现步骤摘要】
本申请涉及神经网络，特别涉及一种人工神经网络的转换方法、装置、电子设备及存储介质。
技术介绍
1、snn（spiking neural network，脉冲神经网络）作为一类模仿生物神经系统工作机制的计算模型，可以针对传统ann（artificial neural network，人工神经网络）在模拟生物大脑和处理时空信息时的不足，提供了一系列改进。snn模仿真实神经元的脉冲通信方式，通过事件驱动机制减少计算量，解决了ann高能耗的问题，特别适用于移动设备和物联网等对能效有严格要求的应用场景。此外，snn增强了系统的实时性和适应性，能够更有效地处理动态环境中的瞬态特征，如自动驾驶中的快速决策。
2、虽然snn增强了时间处理能力，在转换过程中snn的时间步长t取得越大，得到的结果就越接近原始的ann，然而这会导致巨大的运算量，从而阻碍snn的实际应用，若是snn的时间步长t取得过小，会使得产生的剩余势能无法忽视，影响转换后ann的精度。
技术实现思路
1、本申请提供一种人工神经网...
【技术保护点】
1.一种人工神经网络的转换方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人工神经网络的转换方法，其特征在于，所述量化裁剪地板移位激活函数通过超参数向量控制函数的偏移量。
3.根据权利要求1所述的人工神经网络的转换方法，其特征在于，所述将训练完成的所述人工神经网络转换为所述脉冲神经网络，包括：
4.根据权利要求1所述的人工神经网络的转换方法，其特征在于，所述量化步骤与所述网络结构的复杂度成正比例关系。
5.根据权利要求1所述的人工神经网络的转换方法，其特征在于，在所述人工神经网络训练过程中，利用直通估计器处理f
【技术特征摘要】
1.一种人工神经网络的转换方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人工神经网络的转换方法，其特征在于，所述量化裁剪地板移位激活函数通过超参数向量控制函数的偏移量。
3.根据权利要求1所述的人工神经网络的转换方法，其特征在于，所述将训练完成的所述人工神经网络转换为所述脉冲神经网络，包括：
4.根据权利要求1所述的人工神经网络的转换方法，其特征在于，所述量化步骤与所述网络结构的复杂度成正比例关系。
5.根据权利要求1所述的人工神经网络的转换方法，其特征在于，在所述人工神经网络训练过程中，利用直通估计器处理floor函数。
6.根据权利要求1所述的人工神经网络的转换方法，其特征在于，在所...
【专利技术属性】
技术研发人员：董小瑜，梅博然，吕颖，刘欢，杨敬堯，刘禄，杨梓凝，陈思，赵金璐，王禹琳，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：
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。