[发明专利]脉冲神经网络信息转换为人工神经网络信息的方法和系统

说明书

本发明涉及一种脉冲神经网络信息转换为人工神经网络信息的方法，所述方法包括：获取转换时间步；在所述转换时间步持续时长内，接收前继脉冲神经元输入的脉冲神经元输入信息，所述脉冲神经元输入信息包括脉冲尖峰信息；根据所述前继脉冲神经元输入的所述脉冲尖峰信息，通过预设的脉冲转换算法，获取人工神经元转换信息；输出所述人工神经元转换信息。本发明所提供的脉冲神经元信息转人工神经元信息的方法，将脉冲神经元信息，按照时间步的方式转换的方式，转换为人工神经元信息，提高了神经网络对于脉冲神经元信息和人工神经元信息的兼容能力。

技术领域

本发明涉及神经网络技术领域，涉及一种神经网络信息的转换方法及系统，特别是涉及脉冲神经网络信息转换为人工神经网络信息方法和系统。

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，神经网络的主要有两种形态，一种为脉冲神经网络，一种人工神经网络，两者对同样的输入信息有着不同的表达方式，导致人工神经网络和脉冲神经网络因处理的信息不同而不能兼容。

发明内容

基于此，有必要针对两种不同的神经网络输入的信息不兼容的问题，提供一种脉冲神经元信息转人工神经元信息的方法和系统，所述方法包括：

获取转换时间步；

在所述转换时间步持续时长内，接收前继脉冲神经元输入的脉冲神经元输入信息，所述脉冲神经元输入信息包括脉冲尖峰信息；

根据所述前继脉冲神经元输入的所述脉冲尖峰信息，通过预设的脉冲转换算法，获取人工神经元转换信息；

输出所述人工神经元转换信息。

在其中一个实施例中，所述根据所述前继脉冲神经元输入的所述脉冲尖峰信息，通过预设的脉冲转换算法，获取人工神经元转换信息，包括：

将所述前继脉冲神经元输入的脉冲尖峰信息的数量进行累计，获取所述前继脉冲神经元输入的脉冲尖峰信息的第一总数量；

将所述前继脉冲神经元输入的脉冲尖峰信息的第一总数量，确定为所述时间步的，所述前继脉冲神经元输入的第一人工神经元转换信息。

在其中一个实施例中，所述接收前继脉冲神经元输入的脉冲神经元输入信息，还包括：

接收至少两个所述前继脉冲神经元分别输入的脉冲神经元输入信息；

则所述根据所述前继脉冲神经元输入的所述脉冲尖峰信息，通过预设的脉冲转换算法，获取人工神经元转换信息，还包括：

将所有所述前继脉冲神经元输入的脉冲尖峰信息的数量进行累计，获取所有所述前继脉冲神经元输入的脉冲尖峰信息的第二总数量；

将所有所述前继脉冲神经元输入的脉冲尖峰信息的第二总数量，确定为所述时间步的，所有所述前继脉冲神经元输入的第二人工神经元转换信息。

在其中一个实施例中，所述脉冲神经元输入信息，还包括：

前继脉冲神经元与当前神经元的连接权重索引；

所述根据所述前继脉冲神经元输入的所述脉冲尖峰信息，通过预设的脉冲转换算法，获取人工神经元转换信息，还包括：

根据所述前继脉冲神经元与当前神经元的连接权重索引，读取前继脉冲神经元与当前神经元的连接权重信息；