[发明专利]一种基于延迟机制的多层图像分类方法

权利要求书

1.一种基于延迟机制的多层图像分类方法，其特征在于，包括以下步骤：

S1、构建图像分类模型；

S2、采用图像集对图像分类模型进行训练，得到训练完成的图像分类模型；

S3、采用训练完成的图像分类模型对图像进行分类，得到图像的类别；

图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和多层分类器；所述特征提取单元用于对图像进行特征提取，得到特征图像数据；所述脉冲延迟编码单元用于对特征图像数据进行编码，得到激发脉冲时间序列；所述多层分类器用于处理激发脉冲时间序列，得到图像的类别；

多层分类器包括：输入层、隐藏层和输出层；

所述多层分类器的训练方法为：

A1、将激发脉冲时间序列输入多层分类器，确定每层每个神经元的目标点火时间，将未点火的神经元的点火时间记为-1；

A2、选出点火时间不为-1的输出层或隐藏层上的点火神经元；

A3、根据每层每个神经元的目标点火时间，计算输出层所有点火神经元的学习参数和隐藏层所有点火神经元的学习参数；

A4、根据输出层所有点火神经元的学习参数和隐藏层所有点火神经元的学习参数，对输出层和隐藏层间的所有点火神经元的延迟进行调整，对输入层和隐藏层间的所有点火神经元的延迟进行调整；

A5、根据延迟调整后的多层分类器，再次计算输出层所有点火神经元的学习参数和隐藏层所有点火神经元的学习参数；

A6、根据步骤A5计算的学习参数，对输出层和隐藏层间的所有点火神经元的突触权重进行调整，对输入层和隐藏层间的所有点火神经元的突触权重进行调整；

A7、根据权重调整后的多层分类器，获取当前输出层的实际点火时间，计算实际点火时间与目标点火时间的均方误差；

A8、判断均方误差是否小于设定误差阈值，若是，则得到训练完成的多层分类器，若否，则跳转至步骤A1。

2.根据权利要求1所述的基于延迟机制的多层图像分类方法，其特征在于，所述脉冲延迟编码单元对特征图像数据进行编码的公式为：

t_i＝t_max-ln(ax_i+1)

其中，t_i为第i个像素点对应的激发脉冲时间点，t_max为编辑时间窗的大小，a为编码参数，x_i为特征图像数据对应的第i个像素点的像素值。

3.根据权利要求2所述的基于延迟机制的多层图像分类方法，其特征在于，所述步骤A3中隐藏层所有点火神经元的学习参数和输出层所有点火神经元的学习参数的计算公式为：

其中，为所有与点火神经元连接的神经元集合，为第个点火神经元与第个点火神经元间的第个突触权重，输入层上的神经元以h标记，隐藏层上的点火神经元以标记，输出层上的点火神经元以标记，为偏导运算，τ为神经元的膜时间常量，为第个点火神经元的目标点火时间，为第个点火神经元的目标点火时间，为第个点火神经元的膜电压第一次超过阈值的时间，为隐藏层和输出层间点火神经元的第个突触权重的延迟，d_l为输入层与隐藏层间点火神经元的第l个突触权重的延迟，为第个点火神经元与第h个神经元间的第l个突触权重。

4.根据权利要求3所述的基于延迟机制的多层图像分类方法，其特征在于，所述步骤A4中对输出层和隐藏层间的所有点火神经元的延迟进行调整，其中调整的增量的计算公式为：

对输入层和隐藏层间的所有点火神经元的延迟进行调整，其中，调整的增量Δd_h的计算公式为：

其中，为输出层上的第个点火神经元的学习参数，为隐藏层上的第i个点火神经元的学习参数，为第个点火神经元与第个点火神经元间的第个突触权重，为所有与点火神经元连接的神经元集合，为所有与点火神经元连接的神经元集合，隐藏层上的点火神经元以标记，输出层上的点火神经元以标记，为第个点火神经元与第h个神经元间的第l个突触权重，t_n为第h个神经元的膜电压第一次超过阈值的时间，为时间，为隐藏层和输出层间点火神经元的第个突触权重的延迟，d_l为输入层与隐藏层间点火神经元的第l个突触权重的延迟，为第个点火神经元的膜电压第一次超过阈值的时间。

5.根据权利要求4所述的基于延迟机制的多层图像分类方法，其特征在于，所述步骤A6中对输出层和隐藏层间的所有点火神经元的突触权重进行调整，其中调整的增量的计算公式为：

对输入层和隐藏层间的所有点火神经元的突触权重进行调整，其中调整的增量的计算公式为：

其中，η为学习率，为第个点火神经元的目标点火时间，为第个点火神经元的目标点火时间。