构建更接近大脑的多种可塑性共存的SNN

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。