[发明专利]基于类脑脉冲神经网络的自适应及分类方法及计算装置

权利要求书

1.一种基于类脑脉冲神经网络的自适应阈值方法，其特征在于，所述脉冲神经网络被配置为输入脉冲神经元进行激活，所述激活过程包括放电；

所述自适应阈值方法包括：将所述脉冲神经元的脉冲发射阈值设置为当前张量的中位数；所述脉冲神经元被配置为按照以下放电方程进行放电：

其中，S(t)为脉冲神经元发射的脉冲，sign()为符号函数，U(t)为t时刻的膜电位，U_th为脉冲发射阈值。

2.根据权利要求1所述的自适应阈值方法，其特征在于，所述激活过程还包括重置，所述脉冲神经元被配置为按照以下重置方程进行重置：

U(t)＝U(t)(1-S(t))+U_reS(t)

其中，U(t)为t时刻的膜电位，S(t)为脉冲神经元发射的脉冲，U_re为重置电位。

3.根据权利要求1所述的自适应阈值方法，其特征在于，所述激活过程还包括充电，所述脉冲神经元按照以下充电方程充电：

其中，U(t)为t时刻的膜电位，τ是膜时间常数，U_re为重置电位为，X(t)为t时刻脉冲神经元的输入。

4.一种基于类脑脉冲神经网络的分类方法，其特征在于，所述脉冲神经网络预设有脉冲神经元，且所述脉冲神经元的脉冲发射阈值为当前张量的中位数；所述分类方法包括：

获取数据集并将其作为脉冲神经网络的输入；

对所述输入循环执行时间窗口处理以得到多个脉冲值；

根据所述脉冲值输出分类结果。

5.根据权利要求4所述的分类方法，其特征在于，所述脉冲神经网络包括时间窗口模块，所述时间窗口模块被配置为基于所述脉冲神经元输出脉冲值，所述时间窗口模块包括CBSA模块和FC模块，其中，所述CBSA模块和所述FC模块各自具有归一化单元和激活单元，所述CBSA单元还具有卷积单元和池化单元，所述FC模块还具有拉伸单元；

所述循环执行时间窗口处理的方法包括：

S1、对输入依次执行卷积、归一化动作，并输入脉冲神经元进行激活，所述激活过程包括执行充电、放电及重置动作；将经所述脉冲神经元重置后的膜电位留至下一个时间窗口进行累计，并对所述脉冲神经元发射的脉冲进行平均池化；

S2、将S1中池化的输出作为输入再次进行卷积、归一化、激活操作以得到第一输出结果；

S3、拉伸所述第一输出结果以形成二维张量，并对该二维张量进行归一化，再输入脉冲神经元进行激活，所述激活过程包括执行充电、放电及重置动作；将经所述脉冲神经元重置后的膜电位留至下一个时间窗口进行累计；

S4、将S3中所述脉冲神经元发射的脉冲作为输入，并对其进行归一化、激活操作，再将激活后发射的脉冲作为输入，再次进行归一化、激活操作，得到第二输出结果；循环执行S1至S4。

6.根据权利要求5所述的分类方法，其特征在于，所述分类方法还包括：根据所述第二输出结果输出分类结果。

7.根据权利要求5所述的分类方法，其特征在于，所述分类方法还包括：所述脉冲神经元按照以下方程执行充电动作：

其中，U(t)为t时刻的膜电位，τ是膜时间常数，U_re为重置电位为，X(t)为t时刻脉冲神经元的输入。

8.根据权利要求5所述的分类方法，其特征在于，所述分类方法还包括：所述脉冲神经元按照以下方程执行放电动作：

其中，S(t)为脉冲神经元发射的脉冲，sign()为符号函数，U(t)为t时刻的膜电位，U_th为脉冲发射阈值。