脉冲神经网络模型优化及其应用
发布时间：2020-12-13 22:09
20世纪中期,通过模拟人类大脑来创建计算模型的观点被提出,同时也被用于一些实际应用场合中,这种模型被称为“人工神经网络”,并逐渐流行起来,然而随后几年又被简单的人工智能模型所取代。由于较多的改进带来了更丰富的神经元模型和更具生物学现实性的网络设计,神经网络领域的研究再次引起了人们的兴趣。脉冲神经网络是一类特殊的人工神经网络,它模拟的生物神经元模型以发放神经脉冲（动作电位）的形式进行相互间的通讯。与传统的人工神经网络相比,脉冲神经网络以更具生物可解释性的方式模拟大脑的动态性能与学习能力。但是,由于收敛速度慢、识别准确率低、权值不稳定以及网络不稳定等问题的存在,训练脉冲神经网络仍然存在诸多问题。本篇论文在目前已有的研究成果的基础上,重点针对脉冲神经网络监督学习算法的收敛速度、分类与预测准确率和网络稳定性等方面进行优化,同时开展利用脉冲神经网络对脑电信号进行情感识别的研究等,主要工作包括:1.首先介绍课题的研究背景,包括课题的由来与主要研究内容,并且给出了本文的创新点。然后描述了传统人工神经网络与脉冲神经网络的基本知识,并通过对比阐述了脉冲神经网络的优势。接着详细介绍了脉冲神经网络的发展、基...
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
Izhikevich模型不同的放电模式
图 2-17 内部脉冲间隔编码法学习算法是脉冲神经网络能够完成训练的保证。将学习算法应用整突触权值实现输入与输出之间的理想映射。传统的网络训练方杂时空信息的需求。近年来，出现了较多的学习算法，按照网络形式可分为无监督学习与监督学习两种。督学习算法督训练中，输入数据是向网络提供的唯一数据。由于系统的期望输的输入向量分组，以便使相同的输入模式产生相同的输出。因此中提取统计数据，并将它们分组到相应类别中。因此，应用任意该类别相关的特定输出。这种类型的学习方式被认为是一种更具模拟生物数据时非常有用[30]。无监督学习方法为无监督 STDP 规则。STDP 规则进一步提出了
因子适应动量因子35 16 17.2 1.2适应学习率51 16 15.3 0.7图表可知，自适应学习率与动态动量因子相结合的方法具有最小的虽不是最少，但已明显优于原算法；从执行步数层面考虑，自适应误差不是最小，但也明显优于原算法。癌细胞数据集验证细胞数据集也被应用于本文所介绍的算法中，该数据集由威斯康星果分类为良性与恶性癌肿瘤[37]。完整的数据集中包含 699 个样本，的信息有所遗落，因此在实验中将这些数据移除。余下的 683 个样本数据与 239 个恶性肿瘤数据。图 3-3 给出了数据集的表面图，以更的难度。 由此图可以看出，各个类别之间存在显着差异。
【参考文献】：
期刊论文
[1]基于混合结构卷积神经网络的目标快速检测算法[J]. 林封笑,陈华杰,姚勤炜,张杰豪. 计算机工程. 2018(12)
[2]基于进化算法和模糊控制的机器人路径规划[J]. 张俊溪,米国际,王鑫,蒋江红. 计算机技术与发展. 2018(06)
[3]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[4]脉冲神经元脉冲序列学习方法综述[J]. 徐彦,熊迎军,杨静. 计算机应用. 2018(06)
[5]基于循环和卷积神经网络的文本分类研究[J]. 刘腾飞,于双元,张洪涛,尹鸿峰. 软件. 2018(01)
[6]脉冲神经网络:模型、学习算法与应用[J]. 程龙,刘洋. 控制与决策. 2018(05)
[7]感知机理论研究综述[J]. 张天欣. 电子技术与软件工程. 2017(22)
[8]基于无监督学习的移动心电信号异常诊断研究[J]. 李锋,谢嗣弘. 计算机科学. 2017(S2)
[9]脉冲神经网络中STDP学习算法的稳定性[J]. 阮承妹,刘持标,邱锦明. 榆林学院学报. 2017(06)
[10]Spiking神经元输入脉冲扰动敏感性研究[J]. 杨静,徐彦,赵欣. 计算机工程与应用. 2017(02)
硕士论文
[1]基于FHN神经元改进模型的随机共振机制及其在图像处理中的应用研究[D]. 李丹菁.杭州电子科技大学 2015
[2]脉冲神经网络的噪声扰动分析[D]. 王博.大连理工大学 2013
本文编号：2915259
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
Izhikevich模型不同的放电模式
图 2-17 内部脉冲间隔编码法学习算法是脉冲神经网络能够完成训练的保证。将学习算法应用整突触权值实现输入与输出之间的理想映射。传统的网络训练方杂时空信息的需求。近年来，出现了较多的学习算法，按照网络形式可分为无监督学习与监督学习两种。督学习算法督训练中，输入数据是向网络提供的唯一数据。由于系统的期望输的输入向量分组，以便使相同的输入模式产生相同的输出。因此中提取统计数据，并将它们分组到相应类别中。因此，应用任意该类别相关的特定输出。这种类型的学习方式被认为是一种更具模拟生物数据时非常有用[30]。无监督学习方法为无监督 STDP 规则。STDP 规则进一步提出了
因子适应动量因子35 16 17.2 1.2适应学习率51 16 15.3 0.7图表可知，自适应学习率与动态动量因子相结合的方法具有最小的虽不是最少，但已明显优于原算法；从执行步数层面考虑，自适应误差不是最小，但也明显优于原算法。癌细胞数据集验证细胞数据集也被应用于本文所介绍的算法中，该数据集由威斯康星果分类为良性与恶性癌肿瘤[37]。完整的数据集中包含 699 个样本，的信息有所遗落，因此在实验中将这些数据移除。余下的 683 个样本数据与 239 个恶性肿瘤数据。图 3-3 给出了数据集的表面图，以更的难度。 由此图可以看出，各个类别之间存在显着差异。
【参考文献】：
期刊论文
[1]基于混合结构卷积神经网络的目标快速检测算法[J]. 林封笑,陈华杰,姚勤炜,张杰豪. 计算机工程. 2018(12)
[2]基于进化算法和模糊控制的机器人路径规划[J]. 张俊溪,米国际,王鑫,蒋江红. 计算机技术与发展. 2018(06)
[3]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[4]脉冲神经元脉冲序列学习方法综述[J]. 徐彦,熊迎军,杨静. 计算机应用. 2018(06)
[5]基于循环和卷积神经网络的文本分类研究[J]. 刘腾飞,于双元,张洪涛,尹鸿峰. 软件. 2018(01)
[6]脉冲神经网络:模型、学习算法与应用[J]. 程龙,刘洋. 控制与决策. 2018(05)
[7]感知机理论研究综述[J]. 张天欣. 电子技术与软件工程. 2017(22)
[8]基于无监督学习的移动心电信号异常诊断研究[J]. 李锋,谢嗣弘. 计算机科学. 2017(S2)
[9]脉冲神经网络中STDP学习算法的稳定性[J]. 阮承妹,刘持标,邱锦明. 榆林学院学报. 2017(06)
[10]Spiking神经元输入脉冲扰动敏感性研究[J]. 杨静,徐彦,赵欣. 计算机工程与应用. 2017(02)
硕士论文
[1]基于FHN神经元改进模型的随机共振机制及其在图像处理中的应用研究[D]. 李丹菁.杭州电子科技大学 2015
[2]脉冲神经网络的噪声扰动分析[D]. 王博.大连理工大学 2013
本文编号：2915259
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2915259.html
