[发明专利]一种基于多突触连接光脉冲神经网络的语音识别方法

权利要求书

1.一种基于多突触连接光脉冲神经网络的语音识别方法，其特征在于，包括：

步骤1：获取元音数据集作为训练样本；

步骤2：建立多突触的光脉冲神经网络模型；

步骤3：将所述训练样本输入至所述光脉冲神经网络模型中，利用权重更新算法对所述光脉冲神经网络模型进行训练，得到训练完成的光脉冲神经网络模型；

步骤4：利用训练完成的光脉冲神经网络模型实现语音识别。

2.根据权利要求1所述的基于多突触连接光脉冲神经网络的语音识别方法，其特征在于，所述步骤2包括：

步骤2.1：根据所述训练样本的特征维度和预设的高斯脉冲个数，确定输入神经元的个数；

步骤2.2：根据所述输入神经元个数以及预设的每个输入神经元到输出神经元的突触个数，确定多突触的光脉冲神经网络模型的突触个数；

步骤2.3：根据所述输入神经元的个数、所述输出神经元的个数和所述突触个数，建立所述多突触的光脉冲神经网络模型。

3.根据权利要求2所述的基于多突触连接光脉冲神经网络的语音识别方法，其特征在于，所述步骤3包括：

步骤3.1：初始化所述多突触的光脉冲神经网络模型的参数；

步骤3.2：将所述训练样本按照预设的高斯脉冲个数进行高斯编码；

步骤3.3：将高斯编码后训练样本输入至所述光脉冲神经网络模型中，得到模型输出结果，所述模型输出结果包括所述输出神经元产生的脉冲个数n_o，首个脉冲时间t_o，以及峰值处时刻t_max；

步骤3.4：根据所述训练样本的真实类别和所述模型输出结果对所述多突触的光脉冲神经网络模型的权重进行调整；

步骤3.5：重复步骤3.3-步骤3.4，直到达到预设的训练次数，得到训练完成的光脉冲神经网络模型。

4.根据权利要求3所述的基于多突触连接光脉冲神经网络的语音识别方法，其特征在于，所述步骤3.4包括：

判断所述模型输出结果是否满足约束条件，若满足，则执行权重更新算法，对所述多突触的光脉冲神经网络模型的权重进行调整，若不满足，则执行步骤3.5；其中，

所述约束条件为：

其中，n_d表示目标神经元的目标脉冲个数，d_i表示每个突触的传入时延，t_i表示训练样本的输入时间，T_w表示学习时间窗口；

所述权重更新算法为：

w(x+1)＝w(x)+Δw_oi；

其中，Δw_oi表示权重调整值，η表示学习率，Δw_STDP表示根据STDP规则调整权重，Δw_aSTDP表示根据反STDP规则调整权重，w(x)表示当前的权重值，w(x+1)表示更新后的权重值。

5.根据权利要求4所述的基于多突触连接光脉冲神经网络的语音识别方法，其特征在于，在所述步骤3.4中，若w(x+1)0，则令w(x+1)＝rand，rand表示正随机数。