雙耳聽音定位脈沖編碼機(jī)理的研究.pdf

1、近年來，基于脈沖神經(jīng)元模型的人工神經(jīng)網(wǎng)絡(luò)(Spiking NeuralNetworks，簡稱SNNs，我們稱之為脈沖神經(jīng)網(wǎng)絡(luò))逐漸引起了研究者的廣泛關(guān)注，被譽(yù)為第三代人工神經(jīng)網(wǎng)絡(luò)。脈沖神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別在于采用神經(jīng)元觸發(fā)的脈沖時序進(jìn)行信息的編碼和處理，而不是使用觸發(fā)脈沖的平均速率進(jìn)行編碼。因此SNNs網(wǎng)絡(luò)模型具有很好的實時性，適合分析處理對實時性要求較高的問題。同時，SNNs具有較強(qiáng)的計算能力，模型結(jié)構(gòu)的構(gòu)建相對簡單，容易實現(xiàn)

2、。但目前對SNNs的研究主要集中在理論、算法等方面，在實際應(yīng)用方面的研究比較少。本文以H-H脈沖神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，通過模擬生物聲納神經(jīng)系統(tǒng)對信息的處理來探討和研究生物雙耳聽音定位的機(jī)理。 本文的神經(jīng)計算都是在序空間中進(jìn)行討論，即只討論相對大小，不計算絕對值。處理信息的神經(jīng)網(wǎng)絡(luò)采用脈沖神經(jīng)網(wǎng)絡(luò)模型，輸入脈沖通過H-H方程計算得到一串串輸出脈沖，利用圓映射與動力符號學(xué)原理將輸出神經(jīng)脈沖序列轉(zhuǎn)變?yōu)榉栃蛄?，從而由符號序列的有序性得出輸?/p>