基于卷积计算的多层脉冲神经网络的监督学习

来源：计算机工程与科学杂志2015年第2期北京时间：

作者：张玉平，蔺想红

单位：（西北师范大学计算机科学与工程学院，甘肃 兰州 730070）

摘要：针对脉冲神经元基于精确定时的多脉冲编码信息的特点，提出了一种基于卷积计算的多层脉冲神经网络监督学习的新算法。该算法应用核函数的卷积计算将离散的脉冲序列转换为连续函数，在多层前馈脉冲神经网络结构中，使用梯度下降的方法得到基于核函数卷积表示的学习规则,并用来调整神经元连接的突触权值。在实验部分，首先验证了该算法学习脉冲序列的效果，然后应用该算法对Iris数据集进行分类。结果显示，该算法能够实现脉冲序列复杂时空模式的学习，对非线性模式分类问题具有较高的分类正确率。

关键词：脉冲神经网络,监督学习,卷积计算,梯度下降,

基金资助：国家自然科学基金资助项目(61165002)