[发明专利]一种脉冲耦合神经网络扩展系统和方法

说明书

技术领域

本发明涉及神经网络领域，尤其涉及一种脉冲耦合神经网络扩展系统和方法。

背景技术

脉冲耦合神经网络PCNN是一种不同于传统神经网络的模型，基于猫、猴等动物的大脑皮层上的同步脉冲发放现象提出，不需要学习或训练，能直接从复杂背景下提取有效信息，具有同步脉冲发放和全局耦合等特性。由于其生物学背景，脉冲耦合神经网络在很多领域都有着广泛的应用，如图像处理、模式识别、通讯同步、决策优化等。但是，现有的PCNN模型在计算当前神经元与邻域神经元间的耦合关系时，仅考虑了邻域神经元信号对当前神经元的增强作用，而未考虑邻域神经元信号对当前神经元的削弱作用。因此，如何对现有PCNN模型进行扩展，使其也可以表示神经元之间的负相关性是需要解决的技术问题。

发明内容

为了解决上述问题，本发明提出了一种脉冲耦合神经网络扩展系统和方法，能够表示神经元之间的负相关性。

为了达到上述目的，本发明提出了一种脉冲耦合神经网络扩展系统，该系统包括：接收模块、调制模块和脉冲发生模块。

接收模块，用于接收当前神经元的外部输入信号I_i和上一时刻邻域内神经元的脉冲信号Y_j(t-1)；并根据外部输入信号I_i和脉冲信号Y_j(t-1)计算反馈通道信号F_i(t)和连接通道信号L_i(t)，将获得的反馈通道信号F_i(t)和连接通道信号L_i(t)传输到调制模块。

调制模块，用于将收到的反馈通道信号F_i(t)和连接通道信号L_i(t)进行耦合调制，产生内部活动项U_i(t)。

脉冲发生模块，用于实时将产生的内部活动项U_i(t)与预设的阈值E_i(t)相比较，根据比较结果确定是否产生脉冲并调节所述阈值E_i(t+1)。

其中，i是指当前神经元对应的输入位置；j是指位置i的邻域，j＝1-n，n为正整数；t是指当前时刻；t-1是指上一时刻；t+1是指下一时刻。

优选地，脉冲发生模块用于实时将产生的内部活动项U_i(t)与预设的阈值E_i(t)相比较，根据比较结果确定是否产生脉冲并调节所述阈值E_i(t+1)是指：

首次产生内部活动项U_i(1)时，脉冲发生模块将首次产生的内部活动项U_i(1)与预设的阈值E_i(t)的初始值E_i(1)相比较，当阈值E_i(t)的初始值E_i(1)大于内部活动项U_i(t)时，脉冲发生模块不产生脉冲；并且当脉冲发生模块不产生脉冲时，减小预设的阈值E_i(t)；其中，阈值E_i(t)的初始值E_i(1)在预先设置时确保大于所有可能出现的内部活动项U_i(t)。

后续每次产生内部活动项U_i(t)时，脉冲发生模块将所产生的内部活动项U_i(t)与阈值E_i(t)相比较，当阈值E_i(t)大于内部活动项U_i(t)时，脉冲发生模块不产生脉冲；并且减小阈值E_i(t)；当阈值E_i(t)小于内部活动项U_i(t)时，脉冲发生模块产生脉冲，并且阈值E_i(t+1)跳变到阈值E_i(t)的初始值E_i(1)。

优选地，接收模块根据外部输入信号I_i和脉冲信号Y_j(t-1)计算反馈通道信号F_i(t)和连接通道信号L_i(t)是指：接收模块通过下式计算反馈通道信号F_i(t)和连接通道信号L_i(t)：