具有奖罚机制STDP的Spike-CNN模型的机械臂故障分类

作者：刘颖; 周恩辉; 张薇; 王秀青^*; 吕锋

来源：小型微型计算机系统, 2022, 43(06): 1285-1292.

DOI：10.20009/j.cnki.21-1106/TP.2021-0076

• 脉冲神经网络
• STDP学习规则
• 卷积神经网络
• 机械臂故障诊断
• 分类

在计算机视觉领域中，卷积神经网络取得了举世瞩目的成就，但其能耗问题一直未能得到很好解决.基于此问题，本文主要研究无监督学习范式下的Spike-CNN分类性能以及计算力.首先，本文设计了一种基于CNN和SNN的混合结构，在层级结构上实现脉冲机制；其次，为减少模型训练时间，本文提出了ReLU-ROC编码方案；最后，为使兴奋性神经元快速做出决策，本文提出了具有决策能力的RP-STDP学习方案：计算每对突触前与突触后兴奋性神经元的相对时间差.实验结果表明：以工业机器人采集到多元时间序列数据解决机械臂不同工作状态的3分类、4分类、5分类问题，在没有引入其他分类器的情况下，本文提出的具有奖罚机制的STDP的Spike-CNN方法平均准确率为LP1(91.07%)、LP2(96.66%)、LP4(93.95%).

• 单位
  电子信息工程学院; 河北工业大学; 河北师范大学