[发明专利]脉冲神经网络中数据处理的方法、装置

说明书

本申请提供脉冲神经网络中数据处理的方法，包括：获取第一神经元在t‑1时刻的第一膜电压和在t‑1时刻的第一输入电流；确定第一膜电压在单位时间内的变化率是否大于第一预设阈值；如果第一膜电压的变化率大于第一预设阈值，根据第一膜电压和第一输入电流，通过第一算法计算第一神经元在t时刻的第二膜电压；或如果第一膜电压的变化率不大于第一预设阈值，根据第一膜电压和第一输入电流，通过第二算法计算所述第二膜电压，第一算法的计算效率高于第二算法，第二算法的计算精度高于第一算法。本申请提供的技术方案既可以实现较高的膜电压的计算效率，还可以提高膜电压的计算精度。

技术领域

本申请涉及神经网络领域，并且更具体地，涉及一种脉冲神经网络中数据处理的方法、装置。

背景技术

人工智能(artificial intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。

脉冲神经网络(spiking neural network，SNN)，作为一种新兴人工神经网络，其在信息处理方式和生物学模型上比传统人工神经网络更加接近真实的生物处理系统。在计算脉冲神经元上膜电压的计算过程中，如何既可以实现较高的计算效率的同时，还可以提高膜电压的计算精度成为亟需要解决的问题。

发明内容

本申请提供一种脉冲神经网络中数据处理的方法、装置及脉冲神经网络，既可以实现较高的膜电压的计算效率，还可以提高膜电压的计算精度。

第一方面，提供了一种脉冲神经网络中数据处理的方法，包括：获取第一神经元在t-1时刻的第一膜电压和在t-1时刻的第一输入电流；确定第一膜电压在单位时间内的变化率是否大于第一预设阈值；如果第一膜电压的变化率大于第一预设阈值，根据第一膜电压和第一输入电流，通过第一算法计算第一神经元在t时刻的第二膜电压；或如果第一膜电压的变化率不大于第一预设阈值，根据第一膜电压和第一输入电流，通过第二算法计算所述第二膜电压，第一算法的计算效率高于第二算法，第二算法的计算精度高于第一算法。

上述技术方案中，在第一膜电压的变化率大于第一预设阈值(即处于刚性区域)的情况下，采用计算效率较高的算法计算第一神经元在t时刻的第二膜电压，在第一膜电压的变化率不大于第一预设阈值(即处于非刚性区域)的情况下，采用计算精度较高的算法计算第一神经元在t时刻的第二膜电压，这样，在不同的区域采用不同的算法，既可以实现较高的膜电压的计算效率，还可以提高膜电压的计算精度。

在一种可能的实现方式中，还包括：确定所述第一神经元的第一放电时刻T，所述第一放电时刻T位于所述t-1时刻和所述t时刻之间；根据所述第一放电时刻T和所述t时刻确定电流增量；向所述第二神经元输出所述电流增量，所述电流增量用于指示所述第二神经元根据所述电流增量对从所述第一神经元处接收到的第二电流进行调整，所述第二电流为所述第一神经元确定所述第二膜电压大于第二预设阈值时向所述第二神经元输出的电流，所述第二神经元为所述第一神经元的下一层神经元。

在另一种可能的实现方式中，根据插值算法确定所述第一神经元的第一放电时刻T。

在另一种可能的实现方式中，根据线性插值算法确定所述第一神经元的第一放电时刻T。

在另一种可能的实现方式中，根据所述t-1时刻以及所述第一膜电压、所述t时刻以及所述第二膜电压确定所述第一神经元的放电时刻T。

在另一种可能的实现方式中，第一算法为指数时间差分ETD算法。