资源类型

期刊论文 1

年份

2018 1

关键词

Tempotron；神经元模型；感受野；高斯差分；图像翻转；图像旋转 1

检索范围：

排序： 展示方式：

基于感受野编码的多神经元决策脉冲神经网络 Article

Yong-qiang MA, Zi-ru WANG, Si-yu YU, Ba-dong CHEN, Nan-ning ZHENG, Peng-ju REN

《信息与电子工程前沿（英文）》 2018年 第19卷 第1期   页码 139-150 doi: 10.1631/FITEE.1700714

摘要： 人类对信息的处理主要依赖数十亿个神经元构成的复杂神经网络，信息传输通过神经元释放电脉冲信号实现。本文提出一个名为MD-SNN的脉冲神经网络模型，其具有以下3个主要特点：（1）使用感受野模型对图片编码，产生相应脉冲序列；（2）随机选取脉冲序列中部分脉冲作为每个神经元的输入信号，并以这种方式模拟生物神经元的绝对不应期;（3）使用多组神经元对输出结果作出共同决策。我们在手写数字数据集（MNIST）上对MD-SNN进行测试，结果表明：（1）不同大小感受野对图像分类结果有显著影响；（2）由于MD-SNN模型引入了生物神经元绝对不应期特征，同时增加的学习层神经元极大缩短了训练时间，因此有效降低了过拟合概率，与引入绝对不应期与增加学习层神经元的SNN模型相比，图像分类准确率提高了8.77％；（3）与其他SNN方法相比，MD-SNN对图像分类更加有效——与卷积神经网络（CNN）相比，MD-SNN在图像发生翻转或旋转时仍能保持有效分类（测试集上的分类精度可以保持在90.44％），同时更适合小样本学习（1000个训练样本的分类准确率可以达到80.15％，即CNN的7.8倍）。

关键词： Tempotron；神经元模型；感受野；高斯差分；图像翻转；图像旋转    

HTML PDF 收藏

标题 作者 时间 类型 操作

基于感受野编码的多神经元决策脉冲神经网络

Yong-qiang MA, Zi-ru WANG, Si-yu YU, Ba-dong CHEN, Nan-ning ZHENG, Peng-ju REN

期刊论文