基于无监督学习时间编码的脉冲神经网络训练方法及系统
实质审查的生效
摘要
本发明提供了一种基于无监督学习时间编码的脉冲神经网络训练方法及系统。方法步骤如下：步骤1、根据与输入像素强度相关的特定编码方案生成脉冲序列，将输入图像编码为脉冲时间向量；步骤2、将输入图像编码的脉冲时间向量从小到大排序；步骤3、排序后的向量用于生成每个神经元的输出脉冲时间；步骤4、更新首脉冲神经元的突触权重；步骤5、每个神经元在训练完成后根据其对十类数字的最早反应分配一类，这些神经元用于在测试集上测量网络的分类精度。本方法使用脉冲时间依赖可塑性（STDP）训练网络，只更新连接到首脉冲神经元的权重，显著降低了突触权重更新的频率，可以减少计算的冗余，降低功耗和面积开销。
基本信息
专利标题 ：
基于无监督学习时间编码的脉冲神经网络训练方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114266351A
申请号 ：
CN202111537939.8
公开（公告）日 ：
2022-04-01
申请日 ：
2021-12-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李丽韩嘉宁傅玉祥孙从怡孙浩瀚李伟何书专
申请人 ：
南京大学
申请人地址 ：
江苏省南京市栖霞区仙林大道163号
代理机构 ：
南京泰普专利代理事务所(普通合伙)
代理人 ：
张帆
优先权 ：
CN202111537939.8
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-04-19 ：
实质审查的生效
IPC(主分类) : G06N 3/08
申请日 : 20211215
申请日 : 20211215
2022-04-01 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
