[发明专利]用于AER的多层脉冲神经网络识别系统

权利要求书

1.一种用于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 ← max { V m i - 1 - I l C m ( t i - t i - 1 ) , 0 } i f V m i - 1 ≥ 0 min { V m i + I l C m ( t i - t i - 1 ) , 0 } i f V m i - 1 ≥ 0 - - - ( 1 ) ]]>

V m i ← V m i + ω 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。