基于神經(jīng)網(wǎng)絡(luò)的時序信息識別研究.pdf

1、神經(jīng)網(wǎng)絡(luò)一直以來都是學(xué)術(shù)界研究的熱點，而伴隨著圖形硬件的更新?lián)Q代，目前基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)再次在各個領(lǐng)域取得豐碩成果。然而這些人工神經(jīng)網(wǎng)絡(luò)處理信息時并沒有完整的考慮到生物神經(jīng)元的運行機(jī)制，而作為神經(jīng)科學(xué)領(lǐng)域最新研究成果的Spiking神經(jīng)網(wǎng)絡(luò)具有高度的生物仿真性，其能夠很好的處理時空域維度上的特性信息，并將外界刺激以時間為特征進(jìn)行編碼，最后將編碼后的脈沖信息傳入神經(jīng)系統(tǒng)進(jìn)行處理，在生物身份認(rèn)證、語音識別等領(lǐng)域取得了很多的實際應(yīng)用成果。

2、
　　大腦生物神經(jīng)元能夠識別具有脈沖特性刺激信息的時序，然而這種識別機(jī)制的原理并沒有得到很好的揭示。研究基于Spiking神經(jīng)網(wǎng)絡(luò)的時序信息識別能更深入了解大腦對信息處理的原理，從而可將其識別原理應(yīng)用到識別處理外界復(fù)雜時空特性的信息，因此本文的研究非常具有科研前景?？偟膩碚f本文的研究內(nèi)容如下：
　　1.介紹了基于 Spiking神經(jīng)網(wǎng)絡(luò)時序信息識別所涉及的相關(guān)基礎(chǔ)知識，包括
　　神經(jīng)元的相關(guān)生物特性和脈沖神經(jīng)網(wǎng)絡(luò)模型。

3、同時從信息編碼、學(xué)習(xí)神經(jīng)元的訓(xùn)練和解碼時序神經(jīng)元模型的構(gòu)建三大模塊進(jìn)行相關(guān)理論的闡述。
　　2.提出了一種新的監(jiān)督學(xué)習(xí)算法 DL-PSD。針對脈沖神經(jīng)網(wǎng)絡(luò)中的時序信息
　　識別，在經(jīng)典算法 PSD基礎(chǔ)上，結(jié)合神經(jīng)元的時間延遲特性提出了 DL-PSD算法，提高了時序信息識別中項識別的效率。
　　3.提出了一種改進(jìn)的脈沖神經(jīng)網(wǎng)絡(luò)序列解碼機(jī)制，構(gòu)建相應(yīng)的神經(jīng)元模型。
　　傳統(tǒng)基于卷積的方式對時序信息的識別并沒有充分利用

4、神經(jīng)元的生物特性，本文根據(jù)FSA識別手寫字的基本原理，結(jié)合了生物神經(jīng)元樹突存在雙穩(wěn)態(tài)平臺電壓的生物特性，構(gòu)建一種解碼特定時序的解碼單元模型
　　4.最后將信息編碼、項識別以及時序信息解碼三大模塊構(gòu)成一個整體進(jìn)行時
　　序信息的識別。相位編碼轉(zhuǎn)換圖像信息、DL-PSD訓(xùn)練學(xué)習(xí)神經(jīng)元完成項識別、新的解碼結(jié)構(gòu)模型識別特定的數(shù)字圖像序列。
　　實驗成功識別了特定的光學(xué)字符輸入序列，同時改變學(xué)習(xí)輸出神經(jīng)元與解碼模型感知單元的連接