人類對(duì)于信息的處理主要依賴于構(gòu)成復(fù)雜神經(jīng)網(wǎng)絡(luò)的數(shù)十億個(gè)神經(jīng)元,而且信息以脈沖的形式進(jìn)行傳遞,目前脈沖神經(jīng)網(wǎng)絡(luò)是比較好的結(jié)合了人類的生物神經(jīng)系統(tǒng)與機(jī)器學(xué)習(xí)兩者特征的神經(jīng)網(wǎng)絡(luò),并已經(jīng)在圖像處理,強(qiáng)化學(xué)習(xí),語(yǔ)音處理等實(shí)際應(yīng)用取得了一些成果,但是現(xiàn)階段也只是處于一個(gè)初始研究階段,很多理論框架算法都還不夠清晰,所以越來(lái)越多人開(kāi)始對(duì)其的理論和應(yīng)用進(jìn)行研究。在對(duì)于脈沖神經(jīng)網(wǎng)絡(luò)進(jìn)行研究中,無(wú)監(jiān)督學(xué)習(xí)一直是重要的一環(huán),基于STDP（Spike-timing-dependent plasticity,STDP）規(guī)則的脈沖神經(jīng)網(wǎng)絡(luò),在具有明確的生物意義的同時(shí),也能夠處理相對(duì)復(fù)雜的圖像分類問(wèn)題,為了提高算法的效率和準(zhǔn)確率,本文對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)以及分類層算法做出了改進(jìn),本文主要內(nèi)容如下:首先闡述了脈沖神經(jīng)網(wǎng)絡(luò)的生物意義以及基本理論知識(shí),在其生物意義的基礎(chǔ)上介紹了常規(guī)的脈沖神經(jīng)元模型,并描述了脈沖神經(jīng)元的編碼機(jī)制以及學(xué)習(xí)算法,給出了目前常用的一些網(wǎng)絡(luò)結(jié)構(gòu)。其次對(duì)于突觸可塑性規(guī)則進(jìn)行了詳細(xì)介紹,研究了其發(fā)展歷程以及不同的STDP規(guī)則變體;對(duì)常用的基于STDP規(guī)則的全連接網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改進(jìn),修改成一種稀疏概率連接方式。通... 

【文章來(lái)源】：西華大學(xué)四川省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)元生物結(jié)構(gòu)圖

基于STDP規(guī)則的脈沖神經(jīng)網(wǎng)絡(luò)圖像分類算法研究10其中0，是一個(gè)和神經(jīng)元膜時(shí)間相關(guān)的常數(shù)，I表示突觸前神經(jīng)元的輸入電流。通過(guò)進(jìn)一步的研究其震蕩特性表明，IF模型過(guò)于簡(jiǎn)單無(wú)法達(dá)到一般的放電需求，因此改進(jìn)的LIF模型被提出，LIF電路模型圖如下：圖2.4LIF電路模型圖Fig2.4LIFcircuitmodel從圖中可以看出其與H-H模型也比較類似，將離子電流簡(jiǎn)化為了單電阻的電流，即弱化了其生物意義，極大的減少的模型的復(fù)雜度。其中可以得出神經(jīng)元細(xì)胞膜電流可以分為()cRItII，其中RI是由電阻兩端的電壓u和電阻的阻值R所決定的，即RuIR，而通過(guò)電容的電流cI，因?yàn)镃dqIdt，而電容qCu，故可以得到等式=CcduIdt。則有:()()utduItCRdt(2.6)將上式兩端同時(shí)乘以膜電阻R，就可以得到LIF模型的標(biāo)準(zhǔn)形式了:=R()()mduItutdt(2.7)其中=mRC是膜時(shí)間常數(shù)，可以看出脈沖產(chǎn)生的條件在LIF模型中沒(méi)有明確建模，當(dāng)輸入電流使得u(t)大于thu時(shí)，模電壓u(t)會(huì)在經(jīng)歷一個(gè)脈沖后到達(dá)一個(gè)比ru更低的值，然后再回到ru。上式已經(jīng)可以描述一個(gè)這樣的過(guò)程，但是還缺乏具有真實(shí)意義的絕對(duì)不應(yīng)期abs，在這期間無(wú)論輸入多大的電流其模電壓都不會(huì)上升。為了研究LIF模型的脈沖周期，研究在輸入直流電流的情況下LIF模型脈沖產(chǎn)生的時(shí)間，現(xiàn)在我們假設(shè)I(t)=I，即保持一個(gè)輸入電流不變化。且假設(shè)=-45rumv，可以解出等式得到：

基于STDP規(guī)則的脈沖神經(jīng)網(wǎng)絡(luò)圖像分類算法研究14其中時(shí)間長(zhǎng)度T與神經(jīng)元模型相關(guān)，通常是幾百毫秒，該方法一般只用在輸入強(qiáng)度恒定時(shí)，具有可觀的效果。脈沖發(fā)放率通�？梢杂脕�(lái)測(cè)試神經(jīng)元的活動(dòng)狀態(tài)，但是如果涉及到對(duì)于信息的處理，這種方式就存在很多不足。2.2.3時(shí)間編碼在時(shí)間編碼方式中，傳遞的信息包含在脈沖產(chǎn)生的時(shí)刻。與頻率編碼相比，基于脈沖時(shí)間的編碼策略可以包含更多的信息，因?yàn)橐淮蚊}沖產(chǎn)生的時(shí)間都在毫秒級(jí)，如果基于精確脈沖發(fā)放時(shí)間進(jìn)行信息的編碼則可以傳遞更多的信息。也因?yàn)槿绱�，其�?duì)于噪聲十分敏感。有研究表明，在生物的視覺(jué)系統(tǒng)中，神經(jīng)元對(duì)于視覺(jué)信息的編碼和第一次脈沖產(chǎn)生的時(shí)間有關(guān)[43]，基于此生物現(xiàn)象，首次脈沖編碼被提出：2112maxminmaxminmaxminttttPxf)(2.19)其中輸入信號(hào)x[min,max]，編碼后的脈沖序列P(x)[min,max]首次脈沖編碼方式提高了單個(gè)脈沖所蘊(yùn)含的信息，但是也存在不足，如首次脈沖編碼對(duì)于神經(jīng)元的震蕩過(guò)于敏感，即其抗干擾能力較弱，其次由于需要在神經(jīng)系統(tǒng)中準(zhǔn)確的記錄下反應(yīng)開(kāi)始的時(shí)間，需要額外增加相關(guān)機(jī)制。圖2.5首次脈沖編碼圖Fig2.5Firstspikingcoding2.3脈沖神經(jīng)元算法在大腦皮層中，信息之間傳遞空間主要在神經(jīng)元之間的突觸內(nèi)發(fā)生。經(jīng)研究表明，這些突觸之間的連接強(qiáng)度是可以改變的，稱為突觸可塑性，人類的大腦通過(guò)某種機(jī)制進(jìn)行突觸權(quán)重的改變，來(lái)改變信息傳遞的方向。這種突觸傳遞的過(guò)程就是叫做學(xué)習(xí)過(guò)程，是現(xiàn)在人工智能研究的基矗

【參考文獻(xiàn)】：
期刊論文
[1]基于脈沖神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法與軟件框架[J]. 尚瑛杰,董麗亞,何虎.  計(jì)算機(jī)工程. 2020(03)
[2]考慮STDP學(xué)習(xí)律的樹突整合型神經(jīng)元網(wǎng)絡(luò)的放電同步[J]. 曹金鳳,楊梅晨,韓芳,王直杰.  動(dòng)力學(xué)與控制學(xué)報(bào). 2020(01)
[3]脈沖神經(jīng)網(wǎng)絡(luò)硬件互連系統(tǒng)的動(dòng)態(tài)優(yōu)先級(jí)仲裁策略[J]. 劉俊秀,黃星月,羅玉玲,曹弋.  電子學(xué)報(bào). 2018(08)
[4]脈沖神經(jīng)網(wǎng)絡(luò):模型、學(xué)習(xí)算法與應(yīng)用[J]. 程龍,劉洋.  控制與決策. 2018(05)
[5]基于脈沖序列合成核的脈沖神經(jīng)元在線監(jiān)督學(xué)習(xí)算法[J]. 藺想紅,李丹,王向文,張寧.  計(jì)算機(jī)工程. 2017(12)
[6]一種改進(jìn)的基于STDP規(guī)則的SOM脈沖神經(jīng)網(wǎng)絡(luò)[J]. 王蕾,王連明.  東北師大學(xué)報(bào)(自然科學(xué)版). 2017(03)
[7]基于TTFS編碼的脈沖神經(jīng)網(wǎng)絡(luò)圖像分割方法[J]. 藺想紅,張寧,崔文博,馮麗霞.  計(jì)算機(jī)工程. 2015(08)

碩士論文
[1]基于進(jìn)化脈沖神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別研究[D]. 趙吉昌.西北師范大學(xué) 2017
[2]遞歸脈沖神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)及圖像識(shí)別研究[D]. 張玉平.西北師范大學(xué) 2015
[3]一種融合多種可塑性的脈沖神經(jīng)網(wǎng)絡(luò)研究[D]. 王瑋.重慶大學(xué) 2015



本文編號(hào)：3363840