计算机应用研究

作者：张驰,唐凤珍,

单位：1.中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳110169；2.中国科学院机器人与智能制造创新研究院,沈阳110169；3.中国科学院大学,北京100049；

关键词：脉冲神经网络,自适应编码,替代梯度反向传播,漏电积分发放神经元模型,

基金：国家重点研发计划资助项目(2020YFB13400)；国家自然科学基金资助项目(61803369)；；

脉冲神经网络（SNN）采用脉冲序列表征和传递信息，与传统人工神经网络相比更具有生物可解释性，但典型SNN的特征提取能力受到其结构限制，对于图像数据等多分类任务的识别准确率不高，不能与卷积神经网络相媲美。为此提出一种新型的自适应编码脉冲神经网络（SCSNN），将CNN的特征提取能力与SNN的生物可解释性结合起来，采用生物神经元动态脉冲触发特性构建网络结构，并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN分别在MNIST和Fashion-MNIST数据集进行验证，取得较好的识别结果，在MNIST数据集上准确率达到了99.62%，在 Fashion-MNIST数据集上准确率达到了93.52%，验证了其有效性。

来源：2022年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第2期