CN115018058B 基于简化sdsp算法的轻量级片上学习方法、系统及处理器 （重庆大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115018058B(45)授权公告日2025.07.01

(21)申请号202210801510.3

(22)申请日2022.07.08

(65)同一申请的已公布的文献号申请公布号CN115018058A

(43)申请公布日2022.09.06

(73)专利权人重庆大学

地址400044重庆市沙坪坝区沙正街174号

(72)发明人陈思豪石匆田敏何俊贤

王腾霄王海冰高灏然庹云鹏

(74)专利代理机构重庆大学专利中心50201专利代理师黄涛

(51)Int.CI.

GO6N3/049(2023.01)

GO6N3/065(2023.01)

GO6N3/09(2023.01)

(56)对比文件

CN117462144A,2024.01.30CN116629344A,2023.08.22审查员朱雅光

权利要求书2页说明书9页附图3页

(54)发明名称

基于简化SDSP算法的轻量级片上学习方法、系统及处理器

(57)摘要

CN115018058B本发明属于微处理器技术领域，具体公开了一种基于简化SDSP算法的轻量级片上学习方法，用于脉冲神经网络的训练，包括：对输入图像进行速率编码，将静态帧图像转成脉冲形式，每个像素点看作突触前神经元；脉冲神经网络的输出层由泄露累积发射神经元组成，其中各神经元为突触后神经元，突触前神经元和突触后神经元采用全连接方式进行连接，其中突触前神经元发射的脉冲为突触前脉冲，突触后神经元发射的脉冲为突触后脉冲；在脉冲神经网络的训练中，依照基于突触后神经元的钙浓度Ca的简化脉冲驱动

CN115018058B

器。

采用简化脉冲驱动突触可塑

采用简化脉冲驱动突触可塑性方法进行训练

塑性突触

输出层教师集群

泊松编码

固定突触

全局抑制神经元

输入节点

全连报

CN115018058B权利要求书1/2页

2

1.基于简化SDSP算法的轻量级片上学习方法，用于脉冲神经网络的训练，其特征在于，包括：

对输入图像进行速率编码，将静态帧图像转成脉冲形式，每个像素点看作突触前神经元；

脉冲神经网络的输出层由泄露累积发射神经元组成，其中各神经元为突触后神经元，突触前神经元和突触后神经元采用全连接方式进行连接，其中突触前神经元发射的脉冲为突触前脉冲，突触后神经元发射的脉冲为突触后脉冲；

所述脉冲神经网络还包括教师集群全局抑制神经元；

每个突触后神经元与教师集群中的节点一一对应，每个输出神经元接受不同的教师信号单独教学；

全局抑制神经元发出全局抑制信号直接作用于所有突触后神经元；

在脉冲神经网络的训练中，依照基于突触后神经元的钙浓度Ca的简化脉冲驱动突触可塑性权重更新方法对各突触的权重进行更新；

还包括，利用带有标签的训练样本进行训练；

训练中，当一个突触前脉冲到来时，教师信号、全局抑制信号输入脉冲将一起作用突触后神经元，所述教师信号可表示如下：

当前神经元的输出与标签对应，则该神经元下一突触前脉冲到来时刻对应的教师信号有，

当前神经元的输出与标签不对应，则该神经元下一突触前脉冲到来时刻对应的教师信号，有：

其中，0stop_high和0stop_1ow为教师信号的钙浓度阈值；

T;表示当前教师信号的实际值，分别表示目标教师信号和非目标教师信号的值，其中Ttarget为正值，而Tnon-target为负值；

当突触前脉冲到来时，突触后神经元膜电位的更新遵从如下公式：

V(n+1)=V(n)+Ti+w-Inh,

其中，V(n)表示当前的膜电位值，V(n+1)表示更新后的膜电位值，T;为教师信号，w为相应突触的权重值，Inh为全局抑制信号；

膜电位若超过阈值，则突触后神经元膜发射脉冲。

2.根据权利要求1所述的方法，其特征在于，在基于突触后神经元钙浓度的简化脉冲驱动突触可塑性权重更新方法中，各突触的权重在突出前脉冲到来后更新，其权重更新方式如下：

CN115018058B权利要求书2/2页

3

其中w;为突触权重，△w为权重更新步长，亦称作学习率，Ca表示突触后神经元的钙浓度，0?、0?、θ?为权重更新的钙浓度阈值，有θ?0