专利汇可以提供基于STDP非监督学习算法的脉冲神经网络模型构建方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于STDP非 监督学习 算法 的 硬件 友好型脉冲神经网络模型构建方法,所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型,每层神经元分别通过若干条突触与其它层神经元互连,而每层内部神经元相互独立。本发明完全依赖数字硬件 电路 平台进行脉冲神经网络的模型设计,并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中,能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的 稳定性 ,能够在占用较少硬件资源的条件下拥有较快的速度,加上网络结构并行连接的特点,其拓展性也大大提高,对于实现超大规模的脉冲神经网络也提供了新的思路。,下面是基于STDP非监督学习算法的脉冲神经网络模型构建方法专利的具体信息内容。
1.一种基于STDP非监督学习算法的脉冲神经网络模型构建方法,其特征在于:所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型,每层神经元分别通过若干条突触与其它层神经元互连,而每层内部神经元相互独立;
所述脉冲神经网络模型是基于数字硬件电路平台进行设计,采用硬件描述语言进行编写的模型;
神经元采用的是脉冲响应模型SRM,外界输入信号将引起细胞膜电位的变化,当膜电势超过阈值,神经元将会发放脉冲,然后进入耐火期,并且不对任何外界刺激做出反应;相反则不会发放脉冲;
输入到所述脉冲神经网络模型的图像信息,每个像素点都按照规律的时钟频率进行脉冲编码,每个脉冲信号带有时间信息编码,每层神经元都会分别接收和发放带有精准时间信息的脉冲信号;
所述脉冲神经网络模型根据前后脉冲发放时间差即可实现训练过程,所有输出神经元能够在准确的时间开火,即完成整个脉冲神经网络的训练过程;
输入层神经元只参与图像信息编码,向下一层神经元发放脉冲,并不参与计算;其它层神经元在接收到输入信号,细胞膜电位将会发生变化,其大小由后突触兴奋强度和权值大小共同决定;
所述STDP非监督学习算法,包括以下步骤:
步骤1:脉冲编码;
针对输入层神经元,参考时域编码的规则,对于存在外界刺激的神经元,将以一定时钟频率不断产生脉冲信号,并且根据信号产生先后顺序编码时间信息;否则神经元将一直保持平息状态;
步骤2:突触连接;
进行突触权值的读取、更新及存储,包括读\写使能信号端口、数据输入\输出端口、时钟信号及复位信号,输出数据流向神经元;
步骤3:构建神经元模型;
采用了脉冲响应模型SRM,包括脉冲输入\输出端口、突触权值输入端口、配置信息输入端口、乘法器、加法器、比较器、时钟信号及复位信号,当细胞兴奋电位超越了阈值,神经元将会通过脉冲输出端口以一定时钟频率向后发放脉冲,并且细胞膜电位按照配置的衰减系数衰减,进入耐火阶段;
步骤4:利用STDP非监督学习算法对脉冲神经网络进行训练;
根据前后脉冲时间差的特点对突触权值训练,即更新突触权值,包括突触权值输入\输出端口、使能信号、时间信息输入端口、时钟信号及复位信号;输出数据流向突触;
步骤5:输出层神经元的分类结果未达到预期,重复步骤1-步骤4操作,直至其能够实现精准时间开火,网络训练结束。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
检测光电传感器中的高强度光 | 2020-05-08 | 529 |
一种VGA视频信号截屏装置及截屏方法 | 2020-05-08 | 930 |
显示装置、感测电路和源极驱动器集成电路 | 2020-05-11 | 874 |
显示面板、及其工作方法和显示装置 | 2020-05-08 | 648 |
显示装置 | 2020-05-08 | 2 |
一种显示面板及其驱动方法、显示装置 | 2020-05-11 | 696 |
一种LVDS信号转换成RSDS信号的方法 | 2020-05-08 | 719 |
显示装置 | 2020-05-08 | 57 |
一种智能割草机器人 | 2020-05-11 | 711 |
一种多功能的小学生书包 | 2020-05-08 | 555 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。