龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆大学
摘要：本发明公开了一种基于Ca‑LIF神经元模型的Spike‑BP片上学习方法、系统及处理器，其采用可训练的线性泄漏参数和基于钙门控的正负双通道脉冲发射机制，对于Ca‑LIF神经元模型只需要通过减去即可实现线性泄漏操作，在求解梯度矩阵时能避免复杂的泄漏补偿操作，降低硬件实现复杂度，节省后续硬件设计的大量计算资源，并能提升脉冲神经网络训练的性能。
主权项：1.一种基于Ca-LIF神经元模型的Spike-BP片上学习方法，用于脉冲神经网络的训练，其特征在于，包括：步骤一、对输入图像进行速率编码，将静态帧图像转成脉冲形式，视作脉冲神经网络的输入层的输入脉冲；其中，脉冲神经网络由Ca-LIF神经元组成，不同层之间的Ca-LIF神经元通过突触权重进行连接以传递脉冲；步骤二、根据Ca-LIF神经元模型进行前向传播，将输入脉冲从输入层传递到输出层L，得到输出层L在最后一个时间步的膜电位矩阵VLT；其中，脉冲神经网络的输出层L不发射脉冲，Ca-LIF神经元模型为： Vjt表示第j个Ca-LIF神经元在当前时间步的膜电位，Vjt-1表示第j个Ca-LIF神经元在上一个时间步的膜电位，wij表示连接上一层的第i个Ca-LIF神经元和当前层的第j个Ca-LIF神经元的突触权重，xit表示第i个Ca-LIF神经元在当前时间步的输入脉冲，bj表示第j个Ca-LIF神经元的可训练的线性泄漏参数，T表示时间窗口长度，j依次取1至n的所有整数，n表示各层的Ca-LIF神经元总个数；步骤三、计算损失函数E对所述膜电位矩阵VLT的梯度矩阵δL；步骤四、进行脉冲反向传播，通过所述梯度矩阵δL迭代计算损失函数E对隐藏层的膜电位矩阵的梯度矩阵；步骤五、计算输出层L及隐藏层的突触权重更新量矩阵以及线性泄漏参数更新量矩阵；步骤六、根据学习率、输出层L及隐藏层的突触权重更新量矩阵以及线性泄漏参数更新量矩阵，对输出层L及隐藏层的突触权重矩阵以及线性泄漏参数矩阵进行更新；步骤七、重复步骤一至步骤六直至完成脉冲神经网络的训练。
全文数据：
权利要求：
百度查询： 重庆大学 基于Ca-LIF神经元模型的Spike-BP片上学习方法、系统及处理器
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号