[发明专利]分段线性神经元建模

权利要求书

1.一种用于更新人工神经元的状态的方法，包括：

确定所述人工神经元的第一状态位于第一区域内；

至少部分地基于第一组线性方程来确定所述人工神经元的第二状态，其中所述第一组线性方程至少部分地基于与所述第一区域相对应的第一组参数；

确定所述人工神经元的所述第二状态位于第二区域内；以及

至少部分地基于第二组线性方程来确定所述人工神经元的第三状态，其中所述第二组线性方程至少部分地基于与所述第二区域相对应的第二组参数。

2.根据权利要求1所述的方法，其中所述第一组线性方程和所述第二组线性方程包括线性时不变(LTI)状态-空间方程的离散时间解。

3.根据权利要求1所述的方法，还包括从存储器获取所述第一组参数或所述第二组参数中的至少一组参数。

4.根据权利要求3所述的方法，其中所述获取包括从所述人工神经元本地的存储器获取所述第一组参数或所述第二组参数中的所述至少一组参数。

5.根据权利要求1所述的方法，还包括：计算所述第一组参数或所述第二组参数中的至少一组参数的至少一部分。

6.根据权利要求5所述的方法，其中所述第一组参数或所述第二组参数中的所述至少一组参数的所述至少一部分是使用从存储器获取的一个或多个值来计算的。

7.根据权利要求1所述的方法，其中所述第一组参数或所述第二组参数中的至少一组参数是通过用分段线性函数近似与所述人工神经元相关联的神经元模型中的非线性函数的至少一部分来获得的。

8.根据权利要求7所述的方法，其中所述非线性函数包括膜电位(v)乘以依赖于电压的电导(g(v))。

9.根据权利要求8所述的方法，其中所述依赖于电压的电导是用分段常数函数来近似的。

10.根据权利要求7所述的方法，其中所述非线性函数包括依赖于电压的函数(F(v))，其中v是所述人工神经元的膜电位。

11.根据权利要求7所述的方法，其中在所述分段线性函数中，所述第一区域具有与所述第二区域不同的宽度。

12.根据权利要求7所述的方法，其中所述分段线性函数中的所述第一区域或所述第二区域的宽度依赖于所述非线性函数。

13.根据权利要求7所述的方法，其中所述分段线性函数近似是至少部分地基于以下至少一者：泰勒展开法、一阶线性内插法、最优线性内插法或平均斜率法。

14.根据权利要求1所述的方法，其中所述第一组参数或所述第二组参数中的至少一组参数被至少部分地设计成在所述人工神经元中实现特定行为。

15.根据权利要求1所述的方法，其中所述人工神经元的所述第一状态、所述第二状态和所述第三状态是由膜电位(v)和恢复电流(u)来定义的。

16.根据权利要求15所述的方法，还包括：至少部分地基于确定尖峰事件已发生或将要发生而重置所述人工神经元的所述膜电位或所述恢复电流中的至少一者。

17.根据权利要求16所述的方法，其中所述膜电位被重置为静息电位，并且其中所述恢复电流被重置为所述恢复电流的当前值与偏移之和。

18.根据权利要求1所述的方法，其中所述第一组线性方程或所述第二组线性方程中的至少一组线性方程至少部分地基于针对所述人工神经元的神经元模型。

19.根据权利要求18所述的方法，其中所述神经元模型至少部分地基于以下至少一者：Izhikevich简单模型、指数积分激发(EIF)模型、FitzHugh-Nagumo模型、四次模型或者固有电导模型。

20.根据权利要求19所述的方法，其中所述固有电导模型包括被表示为膜电位(v)乘以依赖于电压的电导(g(v))的神经元模型。

21.根据权利要求18所述的方法，其中所述神经元模型包括至少两个维度。

22.根据权利要求18所述的方法，其中所述神经元模型的时间步长大小至少部分地基于正被建模的所述人工神经元的类型。