[发明专利]用于AER的多层脉冲神经网络识别系统

摘要

本发明涉及图像处理识别领域，为提出一种用于AER传感器的多层脉冲神经网络，可以利用此网络实现目标的识别。本发明采用的技术方案是，用于AER的多层脉冲神经网络识别系统，包括如下模块：整合与火IF神经元模型(Integrate‑and‑Fire neuron)；多层脉冲神经网络包含4层脉冲神经元：第一层特征提取层T1，第二层特征提取层T2，池化层P和识别层R；T1，T2，P，R层都采用上述IF神经元模型来构建整个脉冲神经网络。本发明主要应用于图像处理识别场合。

主权项

一种用于AER的多层脉冲神经网络识别系统，其特征是，包括如下模块：整合与火IF神经元模型(Integrate‑and‑Fire neuron)，结构是，I₁和I₂分别代表两个输入脉冲序列，两个输入脉冲序列分别对应输入两个脉冲神经元V₁、V₂，两个脉冲神经元V₁、V₂产生的输出脉冲序列分别用O₁和O₂表示，神经元之间存在的相互抑制作用称为侧向抑制；多层脉冲神经网络包含4层脉冲神经元：第一层特征提取层T1，第二层特征提取层T2，池化层P和识别层R；T1，T2，P，R层都采用上述IF神经元模型来构建整个脉冲神经网络，当其中一个脉冲神经元收到前一层脉冲神经元来的脉冲时，该脉冲神经元的膜电势变化过程：如果t_i‑t_lastspike<t_refr则否则$V_{m_i}\&LeftArrow;\left\{\begin{array}{ccc}\max \left\{V_{m_{i-1}}-\frac{I_l}{C_m}\left(t_i-t_{i-1}\right),0\right\}& if& V_{m_{i-1}}\&GreaterEqual;0\\ \min \left\{V_{m_i}+\frac{I_l}{C_m}\left(t_i-t_{i-1}\right),0\right\}& if& V_{m_{i-1}}\&GreaterEqual;0\end{array}\right.---\left(1\right)$$V_{m_i}\&LeftArrow;V_{m_i}+{\mathrm{\&omega;}}_i$如果则t_lastspike←t_i产生输出脉冲；其中，t_i是第i个脉冲到达神经元的时间，t_lastspike是当前神经元产生上一个脉冲的时间，t_refr是神经元的耐火周期，是第i个脉冲输入后该神经元的膜电势，是第i‑1个脉冲输入后该神经元的膜电势，I_l是漏电流，C_m是膜电容，ω_i是突触权值，V_thresh是当前神经元的阈值电压。