CN114118378B 基于阈值自适应神经元的硬件友好stdp学习方法和系统 （之江实验室）_第1页
CN114118378B 基于阈值自适应神经元的硬件友好stdp学习方法和系统 （之江实验室）_第2页
CN114118378B 基于阈值自适应神经元的硬件友好stdp学习方法和系统 （之江实验室）_第3页
CN114118378B 基于阈值自适应神经元的硬件友好stdp学习方法和系统 （之江实验室）_第4页
CN114118378B 基于阈值自适应神经元的硬件友好stdp学习方法和系统 （之江实验室）_第5页
已阅读5页，还剩20页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于阈值自适应神经元的硬件友好STDP学种基于阈值自适应神经元的硬件友好STDP学习编码将输入图片编码成脉冲序列并输入脉冲神对一连接，接收其输出脉冲并抑制兴奋层神经2S4：根据STDP学习规则并采用硬件友好权重归,采取STDP在线学习方法，即当接收输入脉冲或者发放输出脉冲时会更,再进行归一化操作，得到STDP原始归一3,,所述步骤S1采用频率编码将输入图片按照其像素大小编码为特定频率的脉冲序列，其中，,抑制层的神经元的个数和兴奋层一致，每一个兴奋神经元都和一个抑制神经元一对一连4,5.如权利要求4所述的基于阈值自适应神经元的硬件友好STDP学习方法，其特征在。6.一种采用权利要求1至5任一项所述的基于阈值自适应神经元的硬件友好STDP学习用硬件友好权重归一化方法，对输入和兴奋层间的兴奋性突触权重进行更新；输出模块5[0003]STDP的标准权重归一化方法由于包含除法操作，硬件实[0008]S3：SNN抑制层与兴奋层神经元一对一连接，接收其输出脉冲并抑制兴奋层神经6[0024]采取一种STDP在线学习方法，即当接收输入脉冲或者发放输出脉冲时会更新权7[0026]其中，和分别表示t时刻的输入和输出神经元的脉冲轨迹，rez=f(w)[0032]最后借鉴Oja对原始赫布规则的归一化以及改进方法，提出一种硬件友好的STDP达到阈值时，发放脉冲且膜电位复位；抑制模块用于SNN抑制层与兴奋层神经元一对一连利用兴奋层神经元的脉冲输出序列进行图像识8[0038]图1为根据本发明的实施例的基于阈值自适应神经元的硬件友好STDP学习方法的[0042]图5为根据本发明实施例的基于阈值自适应神经元的硬件友好STDP学习系统的结[0044]如图1所示，一种基于阈值自适应神经元的硬件友好STDP学习方法，包括以下步和输出脉冲，根据是否发放脉冲取值为0或1，和分别表示两个衰减常数，[0053]S3：SNN抑制层与兴奋层神经元一对一连接，接收其输出脉冲并抑制兴奋层神经9[0065]其中，和分别表示t时刻的输入和输出神经元的脉冲轨迹，rez=f(w)究表明在训练过程中，将权重动态求和值与waorm同时约去可以使其收敛并省略除法计[0077]其中，编码模块100采用频率编码将输入图片编码成脉冲序列并输入脉冲神经网输出脉冲并抑制兴奋层神经元；学习模块400根据STDP学习规则并采用硬件友好权重归一用兴奋层神经元的脉冲输出序列进行图像识

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论