科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
-
单位中国科学院; 中国科学院大学; 机器人学国家重点实验室; 中国科学院沈阳自动化研究所
