[发明专利]自适应阈值神经元信息处理方法和系统

说明书

本发明涉及一种自适应阈值神经元信息处理方法和系统，所述方法包括：接收前端脉冲神经元输出信息；读取当前脉冲神经元信息；根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；读取当前自适应阈值变量和阈值电位，计算当前自适应阈值；当所述当前脉冲神经元输出信息大于或等于所述自适应阈值时，输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，否则则不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量。本发明可以有效均衡整个网络中每个神经元的发放频率，提高脉冲神经网络的信息处理能力。

技术领域

本发明涉及人工神经网络技术领域，特别是涉及自适应阈值神经元信息处理方法和系统。

背景技术

如今的人工神经网络研究绝大多数仍是在冯·诺依曼计算机软件并搭配高性能GPGPU(General Purpose Graphic Processing Units通用图形处理单元)平台中实现的，整个过程的硬件开销、能耗和信息处理速度都不容乐观。为此，近几年神经形态计算领域迅猛发展，即采用硬件电路直接构建神经网络从而模拟大脑的功能，试图实现大规模并行、低能耗、可支撑复杂模式学习的计算平台。

然而，传统的神经形态系统中，如何有效均衡整个神经网络中的每个脉冲神经元的发放频率，使得每个脉冲神经元在处理信息时都能够发挥作用，是传统神经网络中亟待解决的问题。

发明内容

基于此，有必要针对如何有效均衡整个神经网络中的每个脉冲神经元的发放频率的问题，提供一种自适应阈值神经元信息处理方法和系统，所述方法包括：

接收前端脉冲神经元输出信息；

读取当前脉冲神经元信息；

根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息；

读取当前自适应阈值变量和阈值电位，并根据所述当前自适应阈值变量和所述阈值电位，计算当前自适应阈值；

判断所述当前脉冲神经元输出信息是否大于或等于所述自适应阈值，若是，则输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，若否，

则不输出所述当前脉冲神经元输出信息，并根据第二自适应阈值更新模型更新所述当前自适应阈值变量。

在其中一个实施例中，所述前端脉冲神经元输出信息包括：前端脉冲神经元输出的脉冲尖端信息、前端脉冲神经元与当前脉冲神经元的连接权重索引；

所述当前脉冲神经元信息包括：当前时间窗宽度、当前时间窗内脉冲尖端信息序列、历史膜电位信息和膜电位泄漏信息；

则根据所述前端脉冲神经元输出信息和所述当前脉冲神经元信息，计算当前脉冲神经元输出信息，包括：

根据所述前端脉冲神经元与当前脉冲神经元的连接权重索引，读取前端脉冲神经元与当前脉冲神经元的连接权重；

根据所述前端脉冲神经元输出的脉冲尖端信息，和所述当前时间窗内脉冲尖端信息序列，更新所述当前时间窗内脉冲尖端信息序列，获取当前时间窗内脉冲尖端信息更新序列；

根据所述当前时间窗宽度、所述当前时间窗内脉冲尖端信息更新序列，通过衰减函数计算前端脉冲神经元输入信息；

根据所述前端脉冲神经元输入信息、所述前端脉冲神经元与当前脉冲神经元的连接权重、所述历史膜电位信息、所述膜电位泄露信息，通过脉冲神经元计算模型，计算当前脉冲神经元输出信息。

在其中一个实施例中，所述当所述当前脉冲神经元输出信息大于或等于所述自适应阈值时，输出所述当前脉冲神经元输出信息，并根据第一自适应阈值更新模型更新所述当前自适应阈值变量，还包括：