基于视通路非对称STDP机制的边缘提取

图像边缘的有效检测在图象处理中具有极其重要的作用,对后续图像内容的分析、识别和理解具有至关重要的意义。本文模拟视觉信息处理机制,提出了一种基于视觉生理机制的非对称脉冲时间依赖可塑性(Spike-Timing-Dependent Plasticity,STDP)图像边缘检测的新方法。首先,通过Gabor滤波器模拟视觉生理朝向特性对原始图像预处理,并将朝向特征融合重构出图像的初级边缘特征信息;其次,构建基于非对称STDP机制的由动态突触组成的神经元网络对初级边缘特征信息进行进一步加工,获得脉冲响应图像,并通过高斯滤波器对脉冲响应图像进行滤波;然后利用神经元之间的侧向抑制作用,对滤波后的图像边缘进行精细化处理;最后对结果进行归一化处理,得到待检测实验图像的最终边缘。实验对象为实验室采集的菌落图像和部分随机挑选的公共数据集图像,菌落图像的边缘检测对于后续信息的统计具有重要意义,通过实验结果的定量与定性分析,所提出的方法在不同实验图像上的AUC值和信息熵优于已有的传统方法,并保留更多的图像边缘细节信息。所提出的边缘检测方法,根据视觉机制避免了黑箱模拟,为低级图像特征处理提供了新的思路。

基于STDP可塑性自适应神经网络的构建及仿真研究

目的:在日益复杂的电磁环境下,生物体神经系统表现出的一定程度的可靠性、抗扰性、自适应和自修复的优势,生物的这种抗扰优势可为研究电子电路系统的电磁仿生防护提供新的思路。方法:基于神经信息传递的生理机制以及突触的可塑性机制,揭示了脉冲时间依赖突触可塑性(Spike Timing Dependent Plasticity,STDP)机制与生物自适应之间的关系,然后选取了Izhikevich神经元模型为节点,以动态STDP机制调节权值的自适应突触为桥梁,进行了四层具有自组织抗扰能力的前馈神经网络模型的构建与仿真研究,并进一步分析了所构建的神经网络的自适应抗扰能力。结果:在损伤神经元的比例小于中间层的30%时,具备STDP机制的网络抗扰能力明显优于相同损伤程度下不具备STDP机制的网络的抗扰能力。结论:所构建的基于STDP可塑性的神经网络的自适应抗扰能力与突触的STDP可塑性机制密切相关。

基于STDP规则的忆阻神经网络在图像存储中的应用

忆阻器是具有记忆和类突触特性的非线性电路元件,将忆阻器与STDP学习规则相结合,提出了基于STDP学习规则的忆阻神经网络,并将它应用于二值图像的叠加和灰度图像的存储与输出。首先将忆阻器作突触,通过实验证实在特定形状动作电位下,可实现STDP学习规则;构建了4×4的忆阻交叉阵列神经网络;用16×16的忆阻交叉阵列神经网络实现二值图像的叠加。最后用N×N的忆阻神经网络实现了灰度图像的存储与输出。通过MATLAB仿真实验证实了该方案的有效性,该忆阻神经网络具有仿生特性,有望解决模式识别、人工智能中出现的复杂问题。

抑制性STDP突触机制对皮层网络的调节

为研究抑制性突触的脉冲时间依赖可塑性(spike-timing-dependent-plasticity,STDP)突触机制对大脑皮层网络的调节作用,构建了脑皮层神经网络的局部回路模型。通过模型观察到,在兴奋性与抑制性突触的共同作用下,不同类型突触连接的平均强度均维持稳定,保证了皮层网络自身的平稳放电;随着抑制性STDP突触规则学习率的增大,网络中神经元集群的平均放电率和同步指数均增大,兴奋性突触的整体强度减弱,抑制性突触的整体强度增强;揭示了皮层网络中兴奋性与抑制性的调节过程,有助于认识抑制性突触可塑性在皮层网络功能机制中的重要作用。

抑制性STDP不同学习窗口下的神经元放电特性

为了深入研究不同抑制性突触可塑性机制的功能,在大脑皮层神经网络模型中对Hebbian、anti-Hebbian和Symmetric这3种不同学习窗口的抑制性脉冲时间依赖可塑性(spike timing-dependent plasticity,STDP)突触机制作用下的皮层神经元放电特性进行对比分析。通过分析不同窗口下神经元集群的平均放电频率、同步性、突触权值和突触电流,发现抑制性STDP机制的学习窗口类型会影响该机制对网络神经元放电特性的调节,anti-Hebbian类型学习窗口能根据网络中神经元放电率的变化,自适应调节突触权值以维持神经元放电;Hebbian和Symmetric类型学习窗口对神经元放电的抑制作用较强,不利于皮层神经元的放电。

具有奖罚机制STDP的Spike-CNN模型的机械臂故障分类

在计算机视觉领域中,卷积神经网络取得了举世瞩目的成就,但其能耗问题一直未能得到很好解决.基于此问题,本文主要研究无监督学习范式下的Spike-CNN分类性能以及计算力.首先,本文设计了一种基于CNN和SNN的混合结构,在层级结构上实现脉冲机制;其次,为减少模型训练时间,本文提出了ReLU-ROC编码方案;最后,为使兴奋性神经元快速做出决策,本文提出了具有决策能力的RP-STDP学习方案:计算每对突触前与突触后兴奋性神经元的相对时间差.实验结果表明:以工业机器人采集到多元时间序列数据解决机械臂不同工作状态的3分类、4分类、5分类问题,在没有引入其他分类器的情况下,本文提出的具有奖罚机制的STDP的Spike-CNN方法平均准确率为LP1(91.07%)、LP2(96.66%)、LP4(93.95%).

低功耗非对称性可调STDP突触电路设计

基于65 nm CMOS工艺设计了一种可用于脉冲神经网络系统的低功耗、高能效、结构紧凑的突触电路。突触电路采用开关电容电路结构,直接接收来自神经元电路的脉冲信号,根据脉冲时间依赖可塑性(STDP)学习规则调节突触权重,并实现了权重学习窗口的非对称性调节,使突触电路可以适应不同情况。仿真结果表明,突触电路耗能约为0.4 pJ/spike。

一种基于STDP机制的IF模型简化算法

触弹性是指神经细胞之间连接强度的变化,突触前细胞和突触后细胞产生峰电位的时间差可以改变突触弹性,这个现象被称为"尖峰时间依赖性可塑性",简称STDP。将STDP机制融合到传统的IF模型当中,改良后的模型可以更真实的拟合生物神经细胞的自然特性。本文以这种结合STDP机制的IF模型为基础,提出一个新的算法,并通过MATLAB进行仿真实验,实验结果表明该算法能够体现神经细胞的生理特性,具有更好的仿生功能。

一种改进的基于STDP规则的SOM脉冲神经网络

将脉冲神经网络的高效处理能力与自组织映射神经网络相结合,构造了一种基于突触可塑性(STDP)规则的SOM脉冲神经网络模型.该网络将输入和权值用脉冲发放时间编码,符合生物信息处理机制.用STDP规则调整权值,不需要通过学习率控制收敛速度,缩短网络训练时间.使用欧氏距离的平方计算权值和样本之间的相似度,与欧氏距离法相比简化了计算,便于硬件实现.基于MATLAB仿真平台,用该网络对UCI机器学习数据库中Iris数据集进行聚类后精度达到93.33%,比传统的SOM、K-means等聚类方法更具有优越性.

考虑STDP学习律的树突整合型神经元网络的放电同步

生物神经网络的同步被认为在大脑神经信息的处理过程中发挥了重要作用。本文以树突整合型(DHH)神经元网络为研究对象,在网络中考虑脉冲时间依赖可塑性(STDP)学习律,分析网络连接概率、外部扰动以及STDP学习律对网络同步性的影响。研究结果表明,STDP学习律对网络同步的影响不仅与连接概率有关,也与外部扰动有关。在兴奋性神经元网络中,连接概率增大可以增强网络的同步,外部扰动增大会减弱网络的同步,且在较大的外部扰动下STDP学习律对网络同步特性的增强作用减弱;而在抑制性DHH神经元网络中,连接概率增大,也可以增强网络的同步,且在较大的连接概率下,外部扰动增大,可以增强网络的同步,而STDP学习律对网络同步的增强作用也更加明显。

基于STDP规则的脉冲神经网络研究

人类对于生物系统信息的处理主要依赖于构成复杂神经网络的数十亿个神经元,并且信息以脉冲的形式进行传输。利用STDP学习算法构建基于LIF模型的两层脉冲神经网络结构,并对分类层算法进行改进,提出一种投票竞争机制。通过多次训练后对神经元表现类别进行竞争投票,优化同等神经元数量的网络机构在图像分类问题中的性能。在MNIST数据集上进行实验验证,结果表明,该投票竞争机制准确率达到98.1%,与同等网络规模下未采用投票竞争机制的脉冲神经网络相比,准确率平均提高了约6%,而且当神经元数目较少时,在不增加训练时间情况下,可以取得与更加复杂网络结构相同的训练结果。

基于STDP学习规则的视网膜神经回路的特性

基于视网膜的生理解剖结构,构建了包括视锥细胞、水平细胞、双极细胞、AII无长突细胞、神经节细胞、外侧膝状体核和ON通路与OFF通路的视网膜神经回路模型,并在神经节细胞层和外侧膝状体核层的突触连接中引入STDP(Spike-Timing Dependent Plasticity)学习规则,通过添加单一图形刺激和交替图形刺激,比较神经节细胞和外侧膝状体核的电位发放、发放频率以及两者之间突触权重的变化,研究视网膜神经回路的信息传递特性.结果表明:构建的神经回路模型可有效地将光照强度信息转化为发放时序频率信息,且表现出生物视网膜的信息结构特性;STDP学习规则的引入使得外侧膝状体核层接收了相应的刺激模式并学习记忆了这种模式,且ON通路和OFF通路表现出学习独立性;STDP学习规则可以对交替出现的图形刺激,在突触权重的空间分布上进行叠加,且重叠部分的学习效果更加显著.

脉冲神经网络中STDP学习算法的稳定性

脉冲时间突触可塑性(STDP)被普遍认为是大脑学习和记忆的主要机制。抑制性STDP对兴奋性神经元的活动起到调节和控制作用,构造了一种简单前馈脉冲神经网络,利用抑制性的STDP来研究兴奋性STDP的稳定性,实验结果表明,抑制性STDP对兴奋性STDP起到稳定作用。

基于Gabor滤波器的事件流特征增强及事件相机对象识别

基于Gabor滤波器的事件驱动卷积是仿生分层脉冲神经网络中常用的事件相机对象特征提取方法。为提高该类网络事件相机对象特征提取能力,提出基于Gabor滤波器的事件流特征增强算法,并应用于奖励调节STDP规则的脉冲神经网络事件相机对象识别系统。算法首先将事件流按时间窗口划分为事件流片段,然后提取各时间窗口内的事件流片段特征,同时增强事件数量较多的时间窗口内特征。并基于奖励调节STDP规则帮助网络学习诊断性特征。采用增强算法的网络在MNIST-DVS数据集上的分类精度优于未采用增强算法的网络,并且对于较短的事件流输入也有很好的分类能力。该事件流特征增强算法能够提高基于Gabor滤波器的事件驱动卷积对事件相机对象的特征提取能力。

基于STDP规则和忆阻桥突触的神经网络及图像处理

忆阻器是具有记忆和类突触特性的非线性电路元件.基于此特性,文中提出了一个基于STDP(spike-time-dependent plasticity)学习规则的忆阻桥突触电路,它具有可以作为人工神经网络突触的优势.根据此优势,将这个新的电路与其他电路和网络结合,构成全新的电路和网络.首先将该忆阻桥突触电路和3个附加的晶体管结合在一起,实现神经网络的突触运算,并构建完整的忆阻桥突触神经网络.然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别.最后,通过一系列的仿真实验证实了该方案的可行性,说明基于STDP学习规则的忆阻桥突触神经网络更具仿生特性,而且集成度更高、模板更易更换,有望解决实时的复杂的智能问题.

类脑计算脉冲神经网络模型及其学习算法研究进展

深度神经网络在实际应用中的局限性日益凸显,具备生物可解释性的类脑计算脉冲神经网络成为了人们研究的热点课题。应用场景的不确定性及复杂多样性给研究者提出了新的挑战,要求类似生物大脑组织具备多尺度架构的类脑计算脉冲神经网络,能够实现对多模态、不确定性信息的感知决策功能。文中主要介绍了多尺度生物合理性的类脑计算脉冲神经网络模型及其面向多模态信息表征和不确定信息感知的学习算法,并分析探讨了基于忆阻器互联的脉冲神经网络可实现多尺度架构类脑计算的两个关键技术问题,即多模态、不确定信息与脉冲时序表示一致性问题和多尺度脉冲神经网络学习算法与容错计算问题。最后,对类脑计算脉冲神经网络的研究方向进行了分析与展望。

由定时引起的突触增强和抑制整合的数学模型

由动作引起的突触变化对神经系统的生长和功能是十分重要的,其变化的程度和方向是由突触前后动作电位的精确定时引起的。通过对海马神经元中“三峰电位组激励”和“四峰电位组激励”范例的研究结果分析,得出描述突触前后多个峰电位相互作用的数学模型,即当前-后峰电位对出现在后-前峰电位对之前时,突触增强和抑制相互抵消;而当发生相反时序时,突触增强以指数的形式递减。

基于脉冲神经网络的智能小车的自动避障系统研究

为了提高智能小车自动避障控制的精度,本文提出了一种基于脉冲神经网络(SNN)的避障控制模型。该神经网络采用泊松编码方式,使网络模型不仅具有更明确的生物意义,还具有强大的计算能力。本文针对全连接网络结构导致计算量大的问题提出了一种基于STDP规则的稀疏概率连接网络结构,通过实验验证,该结构有效地减少了网络的训练时间,同时还提高了算法的效率和准确率。采用多个超声波传感器探测障碍物的方位,信息经过脉冲神经网络处理后,实现了智能小车对障碍物的安全避障控制。考虑小车与障碍物和目标点的距离、角度以及小车的行驶速度等多种路况,该模型采用灰色关联分析法选取相似路况进行模拟验证。本文分别对基于SNN、支持向量机(SVM)和BP人工神经网络(BP-ANN)的控制模型进行测试和评估。实验结果表明:SNN避障控制模型相比于其他模型有更高的控制精度和适用性,为智能车辆的开发避障控制算法提供了一定的理论依据和应用价值。

仿生型脉冲神经网络学习算法和网络模型

为解决脉冲神经网络训练困难的问题,基于仿生学思路,提出脉冲神经网络的权值学习算法和结构学习算法,设计一种含有卷积结构的脉冲神经网络模型,搭建适合脉冲神经网络的软件仿真平台。实验结果表明,权值学习算法训练的网络对MNIST数据集识别准确率能够达到84.12%,具备良好的快速收敛能力和低功耗特点;结构学习算法能够自动生成网络结构,具有高度生物相似性。

柑橘和黄皮中黄龙病菌含量动态变化

【目的】对柑橘和黄皮样品中黄龙病（Huanglongbing）病原菌含量进行实时定量检测,明确其病原菌分布及动态变化规律,为黄龙病的综合防控提供参考依据。【方法】分别采用常规PCR和STDP PCR检测22个柑橘、黄皮和九里香样品中的黄龙病菌。在不同时期采集夏橙、沙田柚和黄皮的叶脉、枝、根、果实中柱（黄皮取果蒂）样品,采用STDP PCR进行实时定量检测。【结果】黄皮、九里香样品采用常规PCR均未检测出黄龙病菌,通过STDP PCR检测各有2个样品为阳性;柑橘样品采用常规PCR检测有2个样品呈阳性,通过STDP PCR检测有4个样品为阳性。在黄皮中不同时期黄龙病病菌含量均较低,且无明显变化规律,叶脉和枝条上黄龙病菌检出率明显高于根部,在果蒂部分未检出黄龙病菌;夏橙和沙田柚中根部黄龙病菌含量明显低于叶脉、枝及果实中柱,且在9-12月黄龙病菌含量高于其他时期。【结论】柑橘、黄皮和九里香均是柑橘黄龙病的寄主,生产上可参考柑橘在不同时期的黄龙病菌含量变化确定防控方式和时期。