[发明专利]用于解码具有连续突触可塑性的脉冲储层的系统和方法

说明书

描述了一种用于即使在脉冲储层具有连续突触可塑性时也解码脉冲储层的系统。该系统使用一组训练图案来训练具有由脉冲神经元组成的脉冲储层的神经网络。对于一组测试图案P，估计测试图案持续时间d，并且每个测试图案被呈现给脉冲储层d/P秒持续时间。经由读出神经元生成来自脉冲储层的输出脉冲。测量输出脉冲，并且使用该测量结果计算激发率代码，每个激发率代码对应于一组测试图案P中的测试图案。激发率代码用于通过计算辨别一组测试图案P中的测试图案的辨别力指标(DI)来解码神经网络的性能。

相关申请的交叉引用

这是2015年3月18日在美国提交的标题为“A Method for Decoding SpikingReservoir with Continuous Synaptic Plasticity”的美国第62/134957号临时申请的非临时专利申请，以引证的方式将该申请的全文并入于此。

背景技术

(1)技术领域

本发明涉及一种用于解码由脉冲(spike)神经元组成的脉冲储层(reservoir)的系统，更具体地，涉及一种用于即使在脉冲储层具有连续突触可塑性时也解码脉冲储层的系统。

(2)相关技术的描述

很可能因为前馈回路中的计算更容易分析，所以由大脑启示的大多数计算模型聚焦于前馈回路中的计算(如所并入的参考文献的列表中的第1号和第2号参考文献所述)。然而，已知大脑中的回路通过存在若干空间尺度上的反馈连接而循环(参见第5号参考文献)。

近来，采用一种以下的新思想：可以在大脑回路中观察到神经系统的丰富动力学，而不是将动力学限于具有特定特性(诸如纯前馈架构)。这些努力产生液体状态机(第3号参考文献中描述)和回声状态网络(第4号参考文献中描述)。然而，这些仅可以应用于激发率模型。

由此，持续需要可以辨别来自具有连续可塑性的脉冲储层网络的脉冲输出神经元且可以允许在测试图案之间的无人监督辨别的系统。

发明内容

本发明涉及一种用于解码由脉冲神经元组成的脉冲储层的系统，更具体地，涉及一种用于即使在脉冲储层具有连续突触可塑性时也解码脉冲储层的系统。该系统包括：一个或更多个处理器和存储器，该存储器具有指令，使得在执行指令时，一个或更多个处理器执行多个操作。该系统使用一组训练图案来训练具有由脉冲神经元组成的脉冲储层的神经网络。针对一组测试图案P估计测试图案持续时间d。每个测试图案被呈现给脉冲储层d/P秒持续时间。经由一组读出神经元生成来自脉冲储层的输出脉冲。测量输出脉冲，产生多个测量结果，并且使用多个测量结果来计算激发率代码，每个激发率代码对应于一组测试图案P中的测试图案。激发率代码用于通过计算辨别一组测试图案P中的测试图案的辨别力指标(DI)来解码神经网络的性能。

在另一个方面中，神经网络展示连续可塑性。

在另一个方面中，该系统执行以下操作：

针对每个测试图案p计算神经网络中的汇聚(sink)神经元i的激发率作为持续时间d期间的输出脉冲的总数；