融合LSTM结构的脉冲神经网络模型研究与应用

来源：计算机应用研究杂志2021年第5期北京时间：

作者：王清华,王丽娜,徐颂,

单位：1.北京航天自动控制研究所,北京100854；2.宇航智能控制技术国家级重点实验室,北京100854；

摘要：SNN是更具生物可解释性的新型网络模型。针对传统SNN模型表征能力有限，难以应用于实际任务的问题，对SNN处理脑电识别任务进行了研究，提出具有长短期记忆结构的SNN模型。首先采用改进的BSA编码算法处理脑电信号；然后构建具有自适应阈值的脉冲神经元模型；在此基础上，基于PyTorch框架建立结合LSTM结构的SNN模型；最后使用替代梯度的方法克服了脉冲序列不可微分的问题，在保留神经元动态特性的同时基于反向传播方法直接训练SNN。实验结果表明，改进的BSA更具灵活性和可靠性，同时，融合LSTM结构的SNN模型提高了网络的表征能力，在脑电识别任务中取得了与传统深度学习模型可竞争的精度。

关键词：脉冲神经网络,长短期记忆,BSA,自适应阈值,替代梯度,

基金资助：军队科研资助项目；；