首页|基于注意力机制卷积脉冲神经网络的目标识别方法

基于注意力机制卷积脉冲神经网络的目标识别方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统人工神经网络因采用反向传播导致学习效率低、网络训练耗时长等问题,提出了一种基于注意力机制的卷积脉冲神经网络(Attention Mechanism-based Convolutional Spiking Neural Networks,AMCSNN),设计了一种高斯差分时序编码方法将目标的视觉特征编码为脉冲序列,进而加入卷积注意力模块来提取高维特征,最后,采用无监督脉冲时序相关可塑性和有监督支持向量机相结合的方法进行目标学习和分类.在MNIST和Caltech数据集上的仿真实验表明,提出的AMCSNN网络具有较强的生物合理性优势,在保证识别率的同时,具有较高的学习效率和较短的网络训练耗时.
Object Recognition Method Based on Attention Mechanism Convolutional Spiking Neural Networks

张军军

展开 >

西安工程大学计算机科学学院 西安 710048

脉冲神经网络 脉冲时序相关可塑性 注意力机制 目标识别

2022

10.3969/j.issn.1672-9722.2022.09.016

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(9)
  • 1
  • 1