期刊文献+

构建更接近大脑的多种可塑性共存的SNN

下载PDF
导出
摘要 脉冲神经网络(SNN)称为第三代神经网络,源于神经科学是最接近人脑的信息计算方式。信息存储不再是某个处理单元实现,信息在网络中传播完成并行式的运行模式,计算和存储融为一体。SNN冲破了神经网络的阈值或sigmoid单元,基于动力学脉冲驱动,发展了具有指数模式记忆能力适应能力强的新模型。本文主要基于脉冲响应神经元模型(SRM)发展了更接近人脑动力学特型的新型SRM并结合了脉冲编码形式,应用最贴近大脑的学习机制STDP,以非监督学习为主要算法对,结合对网络拓扑的设计。通过训练以及输出神经元的脉冲,发现网络具有图像认知,分类,描述等特性。提出了SNN的应用前景以及几种仿真架构。
作者 白悦岐
机构地区 不详
出处 《电子世界》 2018年第16期68-69,共2页 Electronics World
  • 相关文献

参考文献5

二级参考文献87

  • 1葛广英.基于SVM的车型检测和识别算法[J].计算机工程,2007,33(6):6-8. 被引量:15
  • 2Wu QX, McGinnity TM, Maguire LP, Belatreche A, Glackin B. Edge Detection Based on Spiking Neural Network Model. Springer-Verlag Berlin Heidelberg, LNAI 468226-34, 2007.
  • 3Hu MK. Visual pattern recognition by moment invariants. IEEE Trans. on Information Theory, 1962,8(2): 179-187.
  • 4Wu QX, McGinnity TM, Maguire LP, Cai J, Valderra ma G. Motion Detection Using Spiking Neural Network Model. Springer-Verlag, LNAI 5227, 2008.76-83.
  • 5Pakkenberg B,Gundersen H J G. Neocortical neuron number in humans: effect of sex and age[J].Journal of Comparative Neurology, 1997,384(2) : 312-320.
  • 6Chua L.Memristor-the missing circuit element[J].IEEE Transactions on Circuit Theory, 1971,18 (5) :507-519.
  • 7Chua L O,Kang S M.Memristive devices and systems[J].Proceedings of the IEEE, 1976,64(2):209-223.
  • 8Jo S H, Chang T, Ebong I, et al. Nanoscale memristor device as synapse in neuromorphic systems [J]. Nano letters, 2010, 10(4) : 1297-1301.
  • 9Cantley K D,Subramaniam A,Stiegler H J,et al.Hehbian learning in spiking neural networks with nanocrystaIline silicon TFTs and memristive synapses[J].IEEE Transactions on Nanotechnology,2011,10(5) :1066-1073.
  • 10Stafstrom C E, Schwindt P C, Crill W E. Repetitive firing in layer V neurons from cat neocortex in vitro[J].Journal of neurophysiology, 1984,52 (2) : 264-277.

共引文献62

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部