脉冲神经网络(SNN)作为第三代神经网络受到广泛关注,但因离散时间脉冲信号和神经元机制,缺乏有效的训练算法。本文设计了适用于梯度下降的拟脉冲激活函数和脉冲神经元迭代计算模型,以及用于数据转换处理的编码与解码层,在此基础上提出了一种适用于大型SNN的训练算法。与其他训练算法对比,该算法达到了更高的准确性,在MNIST和CIFAR10数据集上分别达到98.81%和70.78%的准确率,与ANN相比分别减少了22.18%和25.61%的功耗,脉冲序列的时间长度最大下降了750倍。
科研之友
微信
新浪微博
Facebook
分享链接
