基于脈沖序列內(nèi)積的脈沖神經(jīng)網(wǎng)絡監(jiān)督學習研究.pdf

1、神經(jīng)科學的最新研究成果表明，大腦中神經(jīng)信息是通過脈沖精確定時編碼的，而不僅僅是通過脈沖發(fā)放頻率來編碼信息?；诿}沖精確定時編碼的第三代人工神經(jīng)網(wǎng)絡，即脈沖神經(jīng)網(wǎng)絡，非常適合實現(xiàn)大腦神經(jīng)信號的處理問題，是進行復雜時空信息處理的有效工具。但由于其內(nèi)在的不連續(xù)和非線性機制，構建高效的脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法非常困難，同時也是該研究領域的重要問題。
　　本文首先介紹了脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法的基本框架，以及性能評價原則，包括脈沖序列學習能

2、力、離線與在線處理性能、學習規(guī)則的局部特性和對神經(jīng)網(wǎng)絡結構的適用性。此外，對脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法的梯度下降學習規(guī)則、突觸可塑性學習規(guī)則和脈沖序列卷積學習規(guī)則進行了詳細的討論，通過對比分析指出了現(xiàn)有算法存在的優(yōu)缺點。
　　其次，基于脈沖序列內(nèi)積的定義，提出了一種新的脈沖神經(jīng)元監(jiān)督學習算法。該算法應用脈沖序列的內(nèi)積構造多脈沖誤差函數(shù)和對應的突觸學習規(guī)則，并通過神經(jīng)元的實際脈沖發(fā)放頻率自適應調(diào)整學習率。將該算法應用于脈沖序列的學習任

3、務，其中期望脈沖序列采用Poisson過程或線性方法編碼，同時分析了不同學習率、不同輸入神經(jīng)元數(shù)目、不同期望輸出脈沖序列的長度、不同輸入與期望輸出脈沖序列的發(fā)放頻率以及不同核函數(shù)等因素對該算法學習性能的影響。實驗結果表明該算法具有較高的學習精度和良好的適應能力，在處理復雜的時空模式學習問題時十分有效。
　　最后，將基于脈沖序列內(nèi)積的脈沖神經(jīng)元監(jiān)督學習算法推廣到了多層前饋脈沖神經(jīng)網(wǎng)絡，提出了一種新的基于脈沖序列內(nèi)積的多層前饋脈沖神經(jīng)