公开(公告)号：CN117195974A

公开(公告)日：2023-12-08

申请号：CN202310971923.0

申请日：2023-08-02

Applicant: 之江实验室

Inventor： 杨冬平 ,  黎沩安

IPC: G06N3/049 ,  G06N3/063 ,  G06N3/08

Abstract: 本说明书公开了一种基于脉冲信号的储备池计算模型的训练方法及装置，包括：将历史上环境图像作为训练样本输入待训练的基于脉冲信号的储备池计算模型的隐藏层的各神经元。根据训练样本的标注，确定目标向量。针对每一个神经元，根据上一时刻其他神经元发放的脉冲信号以及初始连接权重，确定其他神经元分别到该神经元的当前连接权重，确定其他神经元输入该神经元的其他输入电位。根据该神经元的膜电位的衰减的时间尺度，确定衰减电位。根据衰减电位、其他输入电位以及训练样本，确定由各神经元的膜电位组成的状态向量。根据状态向量以及目标向量，计算读出层的读出权重，使训练完成的模型的鲁棒性好，输出结果准确性高，可以达到预期效果。

公开(公告)号：CN115358375A

公开(公告)日：2022-11-18

申请号：CN202211276694.2

申请日：2022-10-19

Applicant: 之江实验室

Inventor： 黎沩安 ,  杨冬平

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开一种脉冲神经网络储备池计算模型构建方法及装置，包括构建脉冲神经元的膜电位动力学方程、脉冲神经网络突触可塑性的动力学方程和脉冲神经元膜电位动态时间尺度模型以及突触动态时间尺度模型，并利用上述方程和模型构建基于脉冲神经元的脉冲神经网络储备池隐藏层。本发明提出了具有动态时间尺度和STD的脉冲神经网络的储备池的构建方法。这个模型能够彻底解决了在记忆任务中模型的工作参数的鲁棒性问题。本发明构建的具有动态时间尺度的基于脉冲神经网络的储备池模型，满足参数量小，计算简单，鲁棒性强的优点，容易在神经拟态芯片中实现，高鲁棒性使得芯片的性能不容易被影响，具有很好的应用前景。