计算机应用研究2021，Vol.38Issue(5) ：1381-1386.DOI:10.19734/j.issn.1001-3695.2020.05.0123

融合LSTM结构的脉冲神经网络模型研究与应用

Research and application of spiking neural network model based on LSTM structure

王清华 王丽娜 徐颂
计算机应用研究2021，Vol.38Issue(5) ：1381-1386.DOI:10.19734/j.issn.1001-3695.2020.05.0123
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

融合LSTM结构的脉冲神经网络模型研究与应用

Research and application of spiking neural network model based on LSTM structure

王清华 1王丽娜 1徐颂1
扫码查看

作者信息

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

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

引用本文复制引用

基金项目

军队科研资助项目()

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量6
参考文献量3
段落导航相关论文