[发明专利]基于脉冲神经网络的端到端功能性脉冲模型的实现方法

权利要求书

1.基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，包括如下步骤：

S1：定义输入脉冲二元组D_i和期望输出脉冲二元组D_d；

S2：基于功能性脉冲响应函数和动态突触函数构建用于计算突触后神经元的电位P_t的功能性脉冲模型，初始化功能性脉冲模型参数，并设置训练轮数epoch_max；

S3：构建功能性脉冲模型的损失函数，根据损失函数计算训练损失值L；

S4：当训练损失值L不等于0且当前训练轮数小于epoch_max时，利用反向传播算法对功能性脉冲模型进行训练，更新参数，直至功能性脉冲模型收敛，完成训练；

S5：对训练完成的功能性脉冲模型进行测试，若符合要求，则输出该训练好的功能性脉冲模型。

2.根据权利要求1所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S1中，利用二元组D＝(t,I)来表示脉冲信息，其中t是脉冲发射时间，I是脉冲强度，则：

输入脉冲二元组D_i为

期望输出脉冲二元组D_d为

其中，M为输入脉冲个数，N为期望输出脉冲个数，I_i表示输入脉冲强度，I_d表示输入端期望输出的脉冲强度。

3.根据权利要求2所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S2中，功能性脉冲响应函数定义为：

其中，U表示每个时间点当前神经元脉冲幅度的可训练功能参数，τ是常数参数。

4.根据权利要求3所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S2中，动态突触函数f(W,I)定义为：

f(W,I)＝tanh(WI+b)

其中，tanh()为双曲函数，I为信息传输系数，W和b分别为信息传输系数I的权重矩阵和偏置。

5.根据权利要求4所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，突触后神经元的电位P_t表示为所有突触前神经元发出脉冲对应的功能性脉冲响应函数与动态突触函数的乘积之和，则功能性脉冲模型定义为：

若电位P_t高于阈值θ，则神经元的输出为二元组(t,P_t)，否则保持沉默。

6.根据权利要求2所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S3中，损失函数定义为：

其中，表示时间t时实际输出的脉冲强度，表示时间t时期望输出的脉冲强度，M表示输入脉冲个数。

7.根据权利要求5所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S4中，对功能性脉冲模型参数进行更新，具体的是对信息传输系数I的权重矩阵W、信息传输系数I的偏置b以及每个时间点当前神经元脉冲幅度的可训练功能参数U进行更新。

8.根据权利要求1所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S4中，功能性脉冲模型收敛的判断条件为：训练损失L低于损失期望值且维持稳定。

9.根据权利要求1所述的一种基于脉冲神经网络的端到端功能性脉冲模型的实现方法，其特征在于，所述S5中，利用测试集对训练完成的功能性脉冲模型进行精度测试。