申请/专利权人：浙江大学;之江实验室

申请日：2020-04-24

公开（公告）日：2023-05-26

公开（公告）号：CN111582445B

主分类号：G06N3/049

分类号：G06N3/049;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2020.09.18#实质审查的生效;2020.08.25#公开

摘要：本发明公开了一种基于脉冲神经网络的高效学习系统及其学习方法，属于人工神经网络技术领域，该学习系统由数据预处理模块、网络构建模块、学习模块和推理模块组成；数据预处理模块支持静态图像数据和动态神经形态数据两种类型；网络构建模块支持多种类型的脉冲神经网络；学习模块由前馈网络计算、误差反向传播和权重更新组成；在每个时刻，随机数发生器产生随机值，由开关控制是否进行误差反向传播和权重更新步骤；推理模块加载模型文件进行前馈网络计算。本发明中的学习系统兼容自动微分工具，易于实现；支持多种脉冲神经网络类型，容易灵活配置。本发明中的学习模块加入开关结构，忽略了大量的计算步骤，节省了计算资源，提高了学习效率。

主权项：1.一种基于脉冲神经网络的学习系统，其特征在于，包括：数据预处理模块：用于将输入数据转化为脉冲序列；所述的数据预处理模块包括静态图像数据处理模式和动态神经形态数据处理模式；当数据预处理模块处于静态图像数据处理模式时，将输入的静态图像数据缩放至[0,1]区间，等效为概率值后生成基于泊松分布或伯努利分布的脉冲序列；当数据预处理模块处于动态神经形态数据处理模式时，将输入的动态神经形态数据直接处理成脉冲序列；网络构建模块：用于根据基本网络框架配置多种脉冲神经网络；学习模块：用于根据数据预处理模块得到的脉冲序列，对网络构建模块得到的脉冲神经网络进行学习，并生成模型文件；推理模块：读取网络构建模块配置的脉冲神经网络结构，并加载学习模块生成的模型文件来获得脉冲神经网络参数，得到训练好的脉冲神经网络模型，并将数据预处理模块输出的脉冲序列作为脉冲神经网络模型的输入，得到推理结果；所述的数据预处理模块、网络构建模块、学习模块、推理模块顺次连接，且学习模块设有第一开关，当学习系统处于学习模式时，第一开关控制学习模块开启，网络构建模块的输出经学习模块后进入推理模块；当学习系统处于推理模式时，第一开关控制学习模块关闭，网络构建模块的输出直接进入推理模块。

全文数据：

权利要求：

百度查询： 浙江大学;之江实验室 一种基于脉冲神经网络的高效学习系统及学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD