《计算机应用研究》|Application Research of Computers

基于自适应编码的脉冲神经网络

Self-adaptive coding for spiking neural network

免费全文下载 (已被下载 次)  
获取PDF全文
作者 张驰,唐凤珍
机构 中国科学院沈阳自动化研究所机器人学国家重点实验室;中国科学院机器人与智能制造创新研究院;中国科学院大学
统计 摘要被查看 次,已被下载
摘要 脉冲神经网络(SNN)采用脉冲序列表征和传递信息,与传统人工神经网络相比,更具有生物可解释性。但典型SNN的特征提取能力受到其结构限制,对于图像数据等多分类任务的识别准确率不高,不能与卷积神经网络(CNN)相媲美。针对该问题,提出了一种新型的自适应编码脉冲神经网络(SCSNN),将CNN的特征提取能力和SNN的生物可解释性结合起来,采用生物神经元动态脉冲触发特性构建网络结构,并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN网络分别在MNIST数据集和Fashion-MNIST数据集做了验证,取得较好的识别结果,在MNIST数据集上准确率达到了99.62%,在 Fashion-MNIST数据集上准确率达到了93.52%,验证了本模型的有效性。
关键词 脉冲神经网络;自适应编码;替代梯度反向传播;LIF神经元模型
基金项目 国家重点研发计划资助项目(2020YFB13400)
国家自然科学基金资助项目(61803369)
本文URL http://www.arocmag.com/article/02-2022-01-031.html
收稿日期
修回日期
页码 -
中图分类号 TP391
文献标志码