[发明专利]具有脉冲时刻偏移量的脉冲神经网络的仿真与训练方法

权利要求书

1.具有脉冲时刻偏移量的脉冲神经网络的仿真与训练方法，其特征在于包括如下步骤：

S1，基于具有脉冲时刻偏移量的脉冲神经元，构建脉冲神经网络，将带类别标签的训练数据转化为脉冲信号，输入脉冲神经网络；

S2，基于输入的上一时刻脉冲发放量、脉冲时刻偏移量，以及状态量，更新此时刻神经元状态量；

S3，根据此时刻神经元状态量，预估此时刻到下一时刻之间，是否发放脉冲、发放脉冲的时刻，判定并用神经元脉冲和脉冲时刻偏移表征此时刻神经元的输出；

S4，前后神经元由突触连接，将突触权重与突触前神经元脉冲输出结合，并传递给相应的突触后神经元；

S5，重复S2到S4直至本次神经网络仿真结束，将脉冲神经网络输出的脉冲序列，转化为对训练数据的类别预测，通过损失函数计算类别标签与类别预测误差，反传误差梯度并更新网络参数，完成一个批次的训练，重复S2到S5的训练过程，直至脉冲神经网络完成整个训练。

2.根据权利要求1所述的具有脉冲时刻偏移量的脉冲神经网络的仿真与训练方法，其特征在于所述S2中，基于如下公式更新此时刻神经元状态量：

（1）

其中，神经元以dt为时间步长，[t]表示第t步，I_s表示突触输入的脉冲发放分量，I_t表示突触输入的脉冲时刻偏移分量，F表示膜电压的下降势能分量，R表示膜电压的上升势能分量，o_s表示神经元放电脉冲发放量，Δo_t表示神经元脉冲时刻偏移量，V_reset(·)表示放电重置电压，E表示膜电压的重置分量，V表示神经元膜电压，τ_f、τ_r、τ_e分别表示F、R、E的衰减时间常数，β_f、β_r、β_e分别表示由τ_f、τ_r、τ_e计算得到的变量衰减系数，计算公式为：

（2）。