基于反馈对齐的深度脉冲神经网络监督学习算法研究

发布时间：2024-03-10 20:21

　　随着人工神经网络的快速发展,受生物启发的脉冲神经网络近些年来受到越来越多的关注。由更具生物真实性的脉冲神经元模型为基本单元构成的脉冲神经网络,应用脉冲序列表示与处理信息,这种编码方式整合了信息的多个方面,如时间、频率和相位等。生物大脑具有多层次的网络结构,这种结构可以对信号的特征进行逐层变换和抽象,根据这种思想,研究者提出了具有深层结构的神经网络及其深度学习方法。结合脉冲神经网络的信息处理方式与深度神经网络的计算模式,构造具有广泛适用性的脉冲神经网络的深度学习方法,将是机器学习研究中极富挑战性的任务。由于脉冲神经元内部状态不可微的性质使得在传统神经网络上应用很成功的基于微分的优化方法不再适用于脉冲神经网络,因此,尽管脉冲神经网络在理论上被认为比传统神经网络具有更高的计算能力,但如何有效训练深度脉冲神经网络仍是一个难题。一些脉冲神经网络使用反向传播实现了深度学习,但显而易见的是它们仍然无法避免反向传播算法在生物上不合理的权值运输问题;更多的深度脉冲神经网络是从传统神经网络转换而来,但在转换过程中难免会出现精度下降、神经元欠激活或者过激活、负值无法表示和增加网络复杂度等一系列问题。针对上述...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图2-4不同学习

西北师范大学硕士学位论文202.5.4实验参数分析在本节，我们用不同的学习率、脉冲发放频率inr和脉冲序列长度来测试并比较本章所研究的DLSTIP算法及其简化算法SDLSTIP的学习性能。首先，分析不同的学习率对研究的DLSTIP算法及其简化算法SDLSTIP的学习性能的影响。图....

图2-5在不同脉冲

第2章基于脉冲序列内积的DSNN监督学习算法21然后，分析不同的输入脉冲频率inr对研究的DLSTIP算法及其简化算法SDLSTIP的学习性能的影响。实验中输入脉冲序列的发放频率以间隔10Hz从10Hz增加到100Hz，其他设置保持不变。图2-5显示了DLSTIP算法及其简化算法....

图2-6在不同脉冲序

西北师范大学硕士学位论文22脉冲序列长度是评估一个算法性能的重要参考因素，不同的脉冲序列长度能测试网络解决复杂时空模式学习的能力。图2-6显示了本章研究的DLSTIP算法及其简化算法SDLSTIP在不同的脉冲序列长度下的学习结果。在实验中，脉冲序列以50ms的间隔从50ms增加到....

图3-4SDNFA算法的脉

第3章基于反馈对齐机制的DSNN监督学习算法33稳定。经过54个学习周期，学习精度C达到1.0。学习之前和之后的突触权值分别在图3-4（c）、（d）中示出。这些学习结果表明，使用研究的SDNFA算法，脉冲神经网络可以成功学习输出所需的脉冲序列。（a）脉冲序列学习过程（c）学习前的....

本文编号：3925266