-
题名用于双阈值脉冲神经网络的改进自适应阈值算法
被引量：3
- 1
-
-
作者
王浩杰
刘闯
-
机构
沈阳大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第1期177-182,187,共7页
-
基金
辽宁省自然科学基金资助项目(2023-MS-322)
辽宁省自然科学基金计划重点项目(20170520364)
+1 种基金
中国博士后科学基金会资助项目(2021M693858)
沈阳市中青年科技创新人才支持计划资助项目(RC210400)。
-
文摘
脉冲神经网络(spiking neural network, SNN)由于在神经形态芯片上低功耗和高速计算的独特性质而受到广泛的关注。深度神经网络(deep neural network, DNN)到SNN的转换方法是有效的脉冲神经网络训练方法之一,然而从DNN到SNN的转换过程中存在近似误差,转换后的SNN在短时间步长下遭受严重的性能退化。通过对转换过程中的误差进行详细分析,将其分解为量化和裁剪误差以及不均匀误差,提出了一种改进SNN阈值平衡的自适应阈值算法。通过使用最小化均方误差(MMSE)更好地平衡量化误差和裁剪误差;此外,基于IF神经元模型引入了双阈值记忆机制,有效解决了不均匀误差。实验结果表明,改进算法在CIFAR-10、CIFAR-100数据集以及MIT-BIH心律失常数据库上取得了很好的性能,对于CIFAR10数据集,仅用16个时间步长就实现了93.22%的高精度,验证了算法的有效性。
-
关键词
脉冲神经网络
高精度转换
双阈值记忆神经元
自适应阈值
-
Keywords
spiking neural network
high precision conversion
dual-threshold memory neuron
adaptive threshold
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名表面稳定铁电液晶器件特性的PSPICE模拟研究
被引量：2
- 2
-
-
作者
潘炜
张晓霞
罗斌
刘永智
吕鸿昌
-
机构
西南交通大学计算机与通信工程学院
电子科技大学光电子技术系
-
出处
《高技术通讯》
EI
CAS
CSCD
2002年第11期73-77,共5页
-
基金
自然科学基金 (10 1740 5 7)
深圳科技开发项目 (2 0 0 1KF)
西南交通大学科学研究基金 (2 0 0 1B11)资助项目
-
文摘
以铁电液晶 (FELC)等效电路模型为基础 ,通过开发Pspice光电混合系统模块 ,灵活地调整多种时序脉冲及驱动源波形 ,优化FELC晶胞厚度、面积、粘滞系数、入射偏振角和自发极化强度等结构参数 ,成功地实现了FELC开关响应、记忆和存储特性的动态模拟 ,也为其他光子器件和混合集成系统的EDA仿真研究做了技术铺垫。
-
关键词
表面稳定
铁电液晶器件
PSPICE模拟
电路模型
记忆阈值
临界脉冲面积
显示器件
-
Keywords
Ferroelectric liquid crystal, Circuit model, Memory threshold, Critical pulse area
-
分类号
TN141
[电子电信—物理电子学]
-
