[发明专利]在尖峰神经网络中使用重放来实现突触学习

权利要求书

1.一种训练人工神经系统的方法，包括：

记录训练迭代期间的人工神经元的尖峰的定时；

在后续训练迭代期间根据所记录的定时来重放所述人工神经元的所述尖 峰；以及

至少部分地基于所述后续训练迭代来更新与所述人工神经元相关联的参 数。

2.如权利要求1所述的方法，其特征在于，所述更新包括更新与关联于所述 人工神经元的突触相关联的参数。

3.如权利要求2所述的方法，其特征在于，所述参数包括权重或延迟中的至 少一者。

4.如权利要求1所述的方法，其特征在于，所述重放包括在所述人工神经系 统中重放来自过去固定时间的尖峰。

5.如权利要求1所述的方法，其特征在于，所述参数与可塑性功能相关。

6.如权利要求1所述的方法，其特征在于，所述人工神经系统的多个人工神 经元中的每一个人工神经元在固定延迟之后重放相同尖峰。

7.如权利要求1所述的方法，其特征在于，所述人工神经系统的多个人工神 经元中的每一个人工神经元在与该人工神经元相关联的特定分段特有的延迟之后 重放相同尖峰。

8.一种用于训练人工神经系统的装置，包括：

处理系统，其配置成：

记录训练迭代期间的人工神经元的尖峰的定时，

在后续训练迭代期间根据所记录的定时来重放所述人工神经元的所述 尖峰，以及

至少部分地基于所述后续训练迭代来更新与所述人工神经元相关联的 参数；以及

耦合至所述处理系统的存储器。

9.如权利要求8所述的装置，其特征在于，所述处理系统进一步被配置成更 新与关联于所述人工神经元的突触相关联的参数。

10.如权利要求9所述的装置，其特征在于，所述参数包括权重或延迟中的 至少一者。

11.如权利要求8所述的装置，其特征在于，所述处理系统进一步被配置成 在所述人工神经系统中重放来自过去固定的时间的尖峰。

12.如权利要求8所述的装置，其特征在于，所述参数与可塑性功能相关。

13.如权利要求8所述的装置，其特征在于，所述人工神经系统的多个人工 神经元中的每一个人工神经元在固定延迟之后重放相同尖峰。

14.如权利要求8所述的装置，其特征在于，所述人工神经系统的多个人工 神经元中的每一个人工神经元在与该人工神经元相关联的特定分段特有的延迟之 后重放相同尖峰。

15.一种用于训练人工神经系统的设备，包括：

用于记录训练迭代期间的人工神经元的尖峰的定时的装置；

用于在后续训练迭代期间根据所记录的定时来重放所述人工神经元的所述 尖峰的装置；以及

用于至少部分地基于所述后续训练迭代来更新与所述人工神经元相关联的 参数的装置。

16.如权利要求15所述的设备，其特征在于，进一步包括：

用于更新与关联于所述人工神经元的突触相关联的参数的装置。

17.如权利要求16所述的设备，其特征在于，所述参数包括权重或延迟中 的至少一者。

18.如权利要求15所述的设备，其特征在于，进一步包括：

用于在所述人工神经系统中重放来自过去固定时间的尖峰的装置。

19.如权利要求15所述的设备，其特征在于，所述参数与可塑性功能相关。

20.如权利要求15所述的设备，其特征在于，所述人工神经系统的多个人 工神经元中的每一个人工神经元在固定延迟之后重放相同尖峰。

21.如权利要求15所述的设备，其特征在于，所述人工神经系统的多个人 工神经元中的每一个人工神经元在与该人工神经元相关联的特定分段特有的延迟 之后重放相同尖峰。

22.一种计算机可读介质，其上存储有可由计算机执行以用于以下操作的指 令：

记录训练迭代期间的人工神经元的尖峰的定时；

在后续训练迭代期间根据所记录的定时来重放所述人工神经元的尖峰；以 及

至少部分地基于所述后续训练迭代来更新与所述人工神经元相关联的参 数。