[发明专利]一种实现静态隐马尔科夫模型推理的神经电路

权利要求书

1.一种实现静态隐马尔科夫模型推理的神经电路，其基本构成可以分为隐马尔可夫模型、脉冲WTA电路两部分：

(1)隐马尔可夫模型是一种重要的动态贝叶斯网络，它可以用来表示隐变量和观测变量随时间t的变化关系；

(2)脉冲WTA电路中每个脉冲神经元都是自连接的，因此神经元z_k的输入电流包含两个部分：外部输入电流和自连接产生的内部电流

2.根据权利要求书1所述的一种实现静态隐马尔科夫模型推理的神经电路，其隐马尔可夫模型的步骤为：

(1)隐变量序列Y＝{y₁,y₂,...,y_t}是一个一阶的马氏链，当前状态的条件概率p(y_t|y₁,y₂,...,y_t-1)只取决于前一时刻的状态y_t-1，也就是，p(y_t|y₁,y₂,...,y_t-1)＝p(y_t|y_t-1)；

(2)观测序列X＝{x₁,x₂,...,x_t}由隐状态序列决定，每个观测变量x_i(i＝1,2,...,t)只取决于相应的隐变量y_i，据此，隐马尔可夫模型的联合分布可以表示为

3.根据权利要求书1所述的一种实现静态隐马尔科夫模型推理的神经电路，其脉冲WTA电路神经元的步骤为：

(1)神经元z_k的膜电位方程可以表示为：

其中表示神经元z_k静止电位，表示一个核函数，它决定神经元z_k在时刻发放一个脉冲后膜电位的变化情况，κ(s)表示神经元对单位脉冲电流的响应函数；

(2)运用标准的指数核：这里重置电势η₀＝5mV，膜时间常数τ＝20ms，电压响应幅值ε₀＝5mV，化简方程得：