多脉冲发放的Spiking神经网络.pdfVIP

第26卷 第6期 应 用 科 学 学 报 Vo1．26 No．6 2008年 11月 JOURNALOFAPPLIEDSCIENCES-ElectronicsandInformationEngineering Nov．2008 文章编号：0255—8297(2008)06-0638-07 多脉冲发放的Spiking神经网络 方慧娟，王永骥 (华中科技大学 控制科学与工程系，湖北 武汉 430074) 摘 要：针对允许神经元发放多个脉冲的Spiking神经网络(SNN)的学习，提出采用更接近生物神经元的SRM模 型，更全面地考虑了神经元在发放脉冲后的状态变化 ，并采用BP学习算法调整神经元的不应期．通过对XOR问 题、IRIS数据集以及泊松脉冲序列的测试，表明这种多脉冲发放的SNN比单脉冲发放的SNN能够更有效地传递信 息，提高学习速度． 关键词：Spiking神经网络；多脉冲；SRM模型；不应期 中图分类号：TP183 文献标志码 ：A SpikingNeuralNetworkswithNeuronsFiringMultipleSpikes FANGHui—juan， WANGYong-ji (DepartmentofControlScienceandEngineering，HuazhongUniversityofScienceandTechnology，Wuhan430074，China) Abstract：Amorebiologicallyplausiblespikingresponsemodel(SRM)ispresentedtocopewiththelearning problemofspikingneuralnetworks(SNN)inwhichneuronscanspikemultipletimes．Inconstructingthismodel， thedependenceofthepostsynapticpotentialuponthefiringtimesofthepostsynapticneuronisnotneglected．We derivean additionalerrorback-propagation learningruleforthecoefficientoftherefractorinessfunction．The algorithm hasbeentestedonclassificationtasksofXORproblem ，IRISdatasetandPoissonspiketrains．Theresults show thattheSRM basedSNNwithneuronsthatfiremuhiplespikescantransferinformationmoreefficientlyand speeduptrainingcomparedtoSNN withneuronsthatfireonlyonce． Keywords：Spikingneuralnetworks，multiplespikes，spikeresponsemodel，refractoriness 近些年来，Spiking神经网络 (SNN)的研究越来 Maass证明了SNN能够模拟任意的前向Sigmoid神 越受到人们的关注 J．与传统的人工神经 网络 经网络，从而可 以实现任意连续函数的逼近_4J，而 (ANN)模拟生物神经元的脉冲激发频率 (firing 理论研究也已表明，传递单个神经元脉冲序列时域 rate)不 同的是，Spiking神经 网络采用时间编码 信息的Spiking神经网络的计算能力要强于一般使 (temporalencoding)方法进行数据处理，直接利用神 用Sigmoid为激励函数的神经网络模型 J．相应地， 经元脉冲(spike)发放的时间信息作为模型的输入／ SNN学习算法和网络结构的研究也得到了一些成 输出，因而能更接