[发明专利]脉冲神经网络中神经元的信号处理方法及该网络训练方法

权利要求书

1.一种脉冲神经网络中神经元的信号处理方法，该脉冲神经网络包括若干层，每一所述的层包括若干所述的神经元，其特征在于，该信号处理方法包括如下步骤：

接收步骤：至少一个所述神经元接收至少一路输入脉冲序列；

累积步骤：基于所述至少一路输入脉冲序列加权求和，获得该神经元的膜电压；

激活步骤：当所述膜电压超过阈值后，基于所述膜电压与所述阈值的比值确定该神经元激发的脉冲的幅度。

2.根据权利要求1所述的脉冲神经网络中神经元的信号处理方法，其特征在于：所述基于所述膜电压与所述阈值的比值确定该神经元激发的脉冲的幅度，具体为：

在单个模拟时间步，激发的脉冲的幅度与所述膜电压与所述阈值的比值相关。

3.根据权利要求1所述的脉冲神经网络中神经元的信号处理方法，其特征在于：所述基于所述膜电压与所述阈值的比值确定该神经元激发的脉冲的幅度，具体为：

在单个模拟时间步，激发的脉冲的幅度与单位脉冲幅度的比值，等于所述膜电压与所述阈值的比值向下取整的值。

4.根据权利要求1-3任一项所述的脉冲神经网络中神经元的信号处理方法，其特征在于：所述的基于所述至少一路输入脉冲序列加权求和，获得膜电压，具体包括：

基于后突触电位核与每路输入脉冲序列卷积后加权求和，获得膜电压。

5.根据权利要求4所述的脉冲神经网络中神经元的信号处理方法，其特征在于：所述的基于所述至少一路输入脉冲序列加权求和，获得膜电压，具体包括：

基于后突触电位核与每路输入脉冲序列卷积后加权求和，以及不应期核与所述神经元输出脉冲序列的卷积，获得膜电压。

6.根据权利要求4所述的脉冲神经网络中神经元的信号处理方法，其特征在于：

其中，𝜐(𝑡) 是神经元膜电压，𝜔_𝑗是第𝑗个突触权重，𝜖(𝑡)是后突触电位核，𝑠_𝑗 (𝑡)是第𝑗个输入脉冲序列，‘*’为卷积操作，t 为时间。

7.根据权利要求5所述的脉冲神经网络中神经元的信号处理方法，其特征在于：

其中，𝜐(𝑡)是神经元膜电压，𝜂(𝑡)是不应期核，𝑠'(𝑡)是所述神经元输出脉冲序列，𝜔_𝑗是第𝑗个突触权重，𝜖(𝑡)是后突触电位核，𝑠_𝑗 (𝑡)是第𝑗个输入脉冲序列，‘*’为卷积操作，t 为时间。

8.根据权利要求6 所述的脉冲神经网络中神经元的信号处理方法，其特征在于：

其中的后突触电位核，突触动态函数，膜动态函数，是突触时间常数、是膜时间常数，t 为时间。

9.根据权利要求7 所述的脉冲神经网络中神经元的信号处理方法，其特征在于：

其中的后突触电位核，突触动态函数，膜动态函数，是突触时间常数、是膜时间常数，t 为时间；不应期核，𝜃为阈值，当𝜐(𝑡) ≥ 𝜃时，𝑠'(𝑡)= ⌊𝜐(𝑡)/𝜃⌋ ，否则𝑠'(𝑡) =0。

10.一种脉冲神经网络训练方法，所述脉冲神经网络包括若干层，每一所述的层包括若干神经元，其特征在于：

所述神经元在网络训练中处理信号时，包括如下步骤：

接收步骤：至少一个所述神经元接收至少一路输入脉冲序列；

累积步骤：基于所述至少一路输入脉冲序列加权求和，获得膜电压；

激活步骤：当所述膜电压超过阈值后，基于所述膜电压与所述阈值的比值确定该神经元激发的脉冲的幅度；

所述脉冲神经网络的总损失包括第一损失和第二损失，其中所述第一损失反映的是脉冲神经网络的预期输出结果与脉冲神经网络实际输出结果之间的差距，所述第二损失反映的是神经元的活性或活动程度。