基于卷积计算的多层脉冲神经网络的监督学习

• 作者: 张玉平 蔺想红
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 脉冲神经网络 监督学习 卷积计算 梯度下降
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 348-353
• 页数: 6页
• 分类号: TP183
• 字数: 4910字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.02.024

摘要

针对脉冲神经元基于精确定时的多脉冲编码信息的特点,提出了一种基于卷积计算的多层脉冲神经网络监督学习的新算法.该算法应用核函数的卷积计算将离散的脉冲序列转换为连续函数,在多层前馈脉冲神经网络结构中,使用梯度下降的方法得到基于核函数卷积表示的学习规则,并用来调整神经元连接的突触权值.在实验部分,首先验证了该算法学习脉冲序列的效果,然后应用该算法对Iris数据集进行分类.结果显示,该算法能够实现脉冲序列复杂时空模式的学习,对非线性模式分类问题具有较高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔺想红	西北师范大学计算机科学与工程学院	28	207	8.0	13.0
2	张玉平	西北师范大学计算机科学与工程学院	5	14	2.0	3.0