本文關(guān)鍵詞：基于脈沖序列內(nèi)積的脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：神經(jīng)科學(xué)的最新研究成果表明,大腦中神經(jīng)信息是通過脈沖精確定時編碼的,而不僅僅是通過脈沖發(fā)放頻率來編碼信息�；诿}沖精確定時編碼的第三代人工神經(jīng)網(wǎng)絡(luò),即脈沖神經(jīng)網(wǎng)絡(luò),非常適合實現(xiàn)大腦神經(jīng)信號的處理問題,是進(jìn)行復(fù)雜時空信息處理的有效工具。但由于其內(nèi)在的不連續(xù)和非線性機(jī)制,構(gòu)建高效的脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法非常困難,同時也是該研究領(lǐng)域的重要問題。本文首先介紹了脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法的基本框架,以及性能評價原則,包括脈沖序列學(xué)習(xí)能力、離線與在線處理性能、學(xué)習(xí)規(guī)則的局部特性和對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的適用性。此外,對脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法的梯度下降學(xué)習(xí)規(guī)則、突觸可塑性學(xué)習(xí)規(guī)則和脈沖序列卷積學(xué)習(xí)規(guī)則進(jìn)行了詳細(xì)的討論,通過對比分析指出了現(xiàn)有算法存在的優(yōu)缺點。其次,基于脈沖序列內(nèi)積的定義,提出了一種新的脈沖神經(jīng)元監(jiān)督學(xué)習(xí)算法。該算法應(yīng)用脈沖序列的內(nèi)積構(gòu)造多脈沖誤差函數(shù)和對應(yīng)的突觸學(xué)習(xí)規(guī)則,并通過神經(jīng)元的實際脈沖發(fā)放頻率自適應(yīng)調(diào)整學(xué)習(xí)率。將該算法應(yīng)用于脈沖序列的學(xué)習(xí)任務(wù),其中期望脈沖序列采用Poisson過程或線性方法編碼,同時分析了不同學(xué)習(xí)率、不同輸入神經(jīng)元數(shù)目、不同期望輸出脈沖序列的長度、不同輸入與期望輸出脈沖序列的發(fā)放頻率以及不同核函數(shù)等因素對該算法學(xué)習(xí)性能的影響。實驗結(jié)果表明該算法具有較高的學(xué)習(xí)精度和良好的適應(yīng)能力,在處理復(fù)雜的時空模式學(xué)習(xí)問題時十分有效。最后,將基于脈沖序列內(nèi)積的脈沖神經(jīng)元監(jiān)督學(xué)習(xí)算法推廣到了多層前饋脈沖神經(jīng)網(wǎng)絡(luò),提出了一種新的基于脈沖序列內(nèi)積的多層前饋脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法。將該算法應(yīng)用到Wisconsin乳腺癌數(shù)據(jù)集分類問題,驗證該算法對非線性模式分類問題的求解能力。采用線性脈沖序列編碼方法對Wisconsin乳腺癌數(shù)據(jù)集的數(shù)據(jù)進(jìn)行編碼,分析了訓(xùn)練結(jié)果以及隱含層神經(jīng)元數(shù)目對分類準(zhǔn)確度的影響。實驗結(jié)果表明該算法可以有效地解決非線性模式分類問題,具有一定的實用價值。
【關(guān)鍵詞】：脈沖神經(jīng)網(wǎng)絡(luò) 監(jiān)督學(xué)習(xí) 脈沖序列的內(nèi)積 多層前饋網(wǎng)絡(luò) 反向傳播算法
【學(xué)位授予單位】：西北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP183
【目錄】：

• 摘要8-9
• ABSTRACT9-11
• 1 緒論11-26
• 1.1 研究背景及意義11-12
• 1.2 脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)的基本理論12-14
• 1.2.1 脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法的基本框架12-13
• 1.2.2 脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法的性能評價13-14
• 1.3 脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)的研究現(xiàn)狀14-23
• 1.3.1 基于梯度下降規(guī)則的監(jiān)督學(xué)習(xí)算法14-18
• 1.3.2 基于突觸可塑性規(guī)則的監(jiān)督學(xué)習(xí)算法18-21
• 1.3.3 基于脈沖序列卷積的監(jiān)督學(xué)習(xí)算法21-23
• 1.4 本文的研究工作23-24
• 1.5 論文的組織結(jié)構(gòu)24-26
• 2 脈沖序列內(nèi)積的相關(guān)理論26-33
• 2.1 核方法以及RKHS的相關(guān)理論26-27
• 2.2 脈沖時間的內(nèi)積27-28
• 2.3 脈沖序列的內(nèi)積28-31
• 2.4 脈沖序列內(nèi)積的性質(zhì)31-32
• 2.5 本章小結(jié)32-33
• 3 脈沖神經(jīng)元的監(jiān)督學(xué)習(xí)算法33-46
• 3.1 脈沖響應(yīng)模型33
• 3.2 脈沖序列的轉(zhuǎn)換關(guān)系33-34
• 3.3 脈沖神經(jīng)元監(jiān)督學(xué)習(xí)算法34-36
• 3.3.1 多脈沖誤差函數(shù)34
• 3.3.2 突觸權(quán)值的學(xué)習(xí)規(guī)則34-35
• 3.3.3 學(xué)習(xí)率自適應(yīng)35-36
• 3.3.4 脈沖序列的相似性度量36
• 3.4 實驗結(jié)果36-44
• 3.4.1 學(xué)習(xí)過程分析37-38
• 3.4.2 不同學(xué)習(xí)率的學(xué)習(xí)38-39
• 3.4.3 不同輸入神經(jīng)元數(shù)目的學(xué)習(xí)39-40
• 3.4.4 不同脈沖序列長度的學(xué)習(xí)40-41
• 3.4.5 不同期望脈沖序列編碼的學(xué)習(xí)41-42
• 3.4.6 不同核函數(shù)的學(xué)習(xí)42-44
• 3.5 討論44-45
• 3.6 本章小結(jié)45-46
• 4 多層前饋脈沖神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)算法46-52
• 4.1 脈沖神經(jīng)網(wǎng)絡(luò)的多層前饋結(jié)構(gòu)46
• 4.2 多層前饋脈沖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則46-48
• 4.3 非線性模式分類問題48-51
• 4.4 本章小結(jié)51-52
• 5 總結(jié)與展望52-54
• 5.1 本文工作總結(jié)52
• 5.2 今后工作展望52-54
• 參考文獻(xiàn)54-59
• 攻讀碩士學(xué)位期間的學(xué)術(shù)成果59-60
• 致謝60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 曾U喺

本文編號：314342