遞歸脈沖神經(jīng)網(wǎng)絡的監(jiān)督學習及圖像識別研究.pdf

1、近幾年來，隨著脈沖神經(jīng)網(wǎng)絡及其學習算法研究的快速發(fā)展，越來越多的研究結(jié)果顯示脈沖神經(jīng)元通過接受、發(fā)放脈沖來傳輸信息和實現(xiàn)功能的工作原理更加接近于真實的生物神經(jīng)元，基于精確定時的脈沖神經(jīng)網(wǎng)絡成為了神經(jīng)系統(tǒng)信息處理的有效工具?；诰_定時的脈沖序列編碼信息的特點，脈沖神經(jīng)網(wǎng)絡的監(jiān)督學習目的是通過突觸權(quán)值的調(diào)整使神經(jīng)網(wǎng)絡能夠輸出脈沖序列，表達特定信息的脈沖序列?；诿}沖精確定時特性的脈沖神經(jīng)網(wǎng)絡擁有更強大的存儲和計算機能力，它能夠模擬各種神經(jīng)

2、元信息和任意的連續(xù)函數(shù)，非常適合于大腦神經(jīng)信息的處理問題。
　　首先，多數(shù)脈沖神經(jīng)網(wǎng)絡學習算法借鑒于人工神經(jīng)網(wǎng)絡中的誤差反向傳播算法，在此基礎(chǔ)上給出了梯度下降的學習規(guī)則，提出了一種基于具有反饋的局部遞歸脈沖神經(jīng)網(wǎng)絡結(jié)構(gòu)的監(jiān)督學習算法。針對精確定時的脈沖編碼，首先定義了多脈沖誤差函數(shù)。基于梯度下降構(gòu)建輸出層和隱含層，隱含層與遞歸層神經(jīng)元之間突觸權(quán)值的學習規(guī)則，實現(xiàn)了遞歸脈沖神經(jīng)網(wǎng)絡突觸權(quán)值的自動調(diào)整。目前多數(shù)基于梯度下降的學習方法只

3、能進行單脈沖的學習，文中分析了其中的原因，構(gòu)造了適合本文算法的脈沖響應神經(jīng)元模型，使輸出層的神經(jīng)元能夠發(fā)放多個脈沖，并且能夠用于分類問題。提高了遞歸脈沖神經(jīng)網(wǎng)絡在解決復雜問題中的應用能力。
　　然后，通過模擬一系列脈沖序列的學習，驗證了文中所提遞歸脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法對多種情況脈沖序列的學習能力。在脈沖序列的學習過程中，通過對單脈沖序列的學習，驗證了對于給定的輸入脈沖序列，遞歸脈沖神經(jīng)網(wǎng)絡能夠訓練出一個理想的脈沖序列。接著，通

4、過對多脈沖序列的學習顯示了學習一個隨機輸入脈沖序列模式到多個目標輸出脈沖序列的映射的能力。結(jié)果顯示該算法能夠?qū)崿F(xiàn)脈沖序列復雜時空模式的學習。
　　最后，在多任務脈沖序列的學習過程中展示了該算法對于不同的輸入模式能夠并行地完成多模式的學習能力。實驗結(jié)果表明了該遞歸脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法能夠有效的完成不同的脈沖序列學習任務，能夠?qū)崿F(xiàn)脈沖序列的復雜時空模式學習。同時，將該算法應用到了對LabelMe圖像數(shù)據(jù)集中部分圖像的分類問題，驗證