-
题名脉冲神经元脉冲序列学习方法综述
被引量：3
- 1
-
-
作者
徐彦
熊迎军
杨静
-
机构
南京农业大学信息科技学院
北京师范大学珠海分校管理学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第6期1527-1534,1541,共9页
-
基金
国家自然科学基金资助项目(61403205
61503031)
中央高校基本科研业务费专项资金项目(KYZ201754)~~
-
文摘
脉冲神经元是一种新颖的人工神经元模型,其有监督学习的目的是通过学习使得神经元激发出一串通过精确时间编码来表达特定信息的脉冲序列,故称为脉冲序列学习。针对单神经元的脉冲序列学习应用价值显著、理论基础多样、影响因素众多的特点,对已有脉冲序列学习方法进行了综述对比。首先介绍了脉冲神经元模型与脉冲序列学习的基本概念;然后详细介绍了典型的脉冲序列学习方法,指出了每种方法的理论基础和突触权值调整方式;最后通过实验比较了这些学习方法的性能,系统总结了每种方法的特点,并且讨论了脉冲序列学习的研究现状和进一步的发展方向。该研究结果有助于脉冲序列学习方法的综合应用。
-
关键词
脉冲神经元
脉冲神经网络
脉冲序列
脉冲序列学习
突触调整
-
Keywords
spiking neuron
spiking neural network
spike sequence
spike sequence learning
synaptic adjustment
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于脉冲序列核的脉冲神经元监督学习算法
被引量：3
- 2
-
-
作者
蔺想红
王向文
党小超
-
机构
西北师范大学计算机科学与工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第12期2877-2886,共10页
-
基金
国家自然科学基金(No.61165002
No.61363059)
+1 种基金
甘肃省自然科学基金(No.1506RJZA127)
甘肃省高等学校科研项目(No.2015A-013)
-
文摘
脉冲神经元应用脉冲时间编码神经信息,监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性,构建高效的脉冲神经元监督学习算法非常困难,同时也是该研究领域的重要问题.基于脉冲序列的核函数定义,提出了一种新的脉冲神经元监督学习算法,特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则,并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学习任务,期望脉冲序列采用Poisson过程或线性方法编码,并分析了不同的核函数对算法学习性能的影响.实验结果表明该算法具有较高的学习精度和良好的适应能力,在处理复杂的时空脉冲模式学习问题时十分有效.
-
关键词
脉冲神经元
监督学习
脉冲序列核
内积
脉冲序列学习
-
Keywords
spiking neuron
supervised learning
spike train kernel
inner product
spike train learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名脉冲神经元序列学习方法的影响因素研究
被引量：8
- 3
-
-
作者
徐彦
杨静
-
机构
南京农业大学信息科技学院
北京师范大学珠海分校管理学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第11期194-201,共8页
-
基金
国家自然科学基金资助项目(61403205)
中央高校基本科研业务费专项基金资助项目(KJQN201549)
-
文摘
远程有监督方法(ReSuMe)通过计算神经元运行时的输出脉冲和输入脉冲的时间差调整突触权值,是目前在理论基础和实际应用上都较出色的脉冲神经元有监督学习方法,但是当期望输出脉冲序列较长时,ReSuMe方法的学习精度较低。为解决该问题,分析影响ReSuMe方法性能的2个主要因素:在线、离线学习方式及学习过程中更新突触权值时输入脉冲的选取。在线学习精度一般高于离线学习,但是学习精度的差异随着参数或者其他设置的不同有较大差别。针对输入脉冲的选取,提出一种新的学习策略以改进ReSuMe方法,该策略在计算权值调整幅度时综合考虑期望输出与实际输出脉冲序列,从而避免增强与减弱权值时输入脉冲出现重叠干扰。实验结果表明,新的学习策略可以有效提高ReSuMe方法的学习精度及其解决实际问题的能力。
-
关键词
脉冲神经元
远程有监督方法
脉冲序列学习
脉冲神经网络
脉冲反应模型
-
Keywords
spiking neuron
Remote Supervised Method （ReSuMe）
spiking sequence learning
spiking neural network
Spiking Response Model（ SRM ）
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于梯度下降的脉冲神经元在线学习方法
被引量：6
- 4
-
-
作者
徐彦
-
机构
南京农业大学信息科技学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第12期150-155,160,共7页
-
基金
国家自然科学基金资助项目"基于时间编码的脉冲神经网络脉冲序列学习机制的研究"(61403205)
中央高校基本科研业务费专项基金资助项目"基于时间编码的脉冲神经网络脉冲序列学习机制的研究"(KJQN201549)
-
文摘
现有基于梯度下降的脉冲神经元脉冲序列学习方法采用离线学习方式,即神经元运行结束后再根据全部输出脉冲调整突触权值。基于真实生物神经元突触强度的在线调整机制,提出一种在线方式的基于梯度下降的脉冲序列学习方法。在神经元运行过程中,当有脉冲激发时,即刻根据实际与期望输出脉冲调整突触权值。实验结果表明,该方法可有效实现脉冲序列学习,与离线的基于梯度下降的方法相比,具有更高的学习精度。
-
关键词
脉冲神经元
梯度下降
在线学习
脉冲序列学习
脉冲反应神经元模型
-
Keywords
spiking neuron
gradient descent
online learning
spike sequence learning
spike response neuron model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
