[发明专利]一种基于改进监督学习算法的图像识别方法

权利要求书

1.一种基于改进监督学习算法的图像识别方法，其特征在于，包括如下步骤：

S1：根据目标脉冲序列定义图像种类；

S2：将预处理后的图像输入多层脉冲神经网络进行训练，使用延迟相位编码将图像信息转换成脉冲点火模式，编码得到输入脉冲序列；

S3：引入延迟策略和噪音阈值对监督学习算法进行改进，并使用改进监督学习算法对输入脉冲序列进行学习，得到输出脉冲序列；

S4：将输出脉冲序列和目标脉冲序列进行对比，得到误差信号；

S5：判断误差信号是否满足要求，若是则进入步骤S7，否则进入步骤S6；

S6：根据误差信号，调整多层脉冲神经网络模型各层权重和延迟，并进入步骤S3；

S7：输出步骤S1中对应的图像种类，实现图像的识别。

2.根据权利要求1所述的基于改进监督学习算法的图像识别方法，其特征在于，所述脉冲序列的计算公式为：

S(t)＝∑_fδ(t-t^f)

式中，S(t)为脉冲序列，包括输入脉冲序列S_i(t)、输出脉冲序列S_o(t)以及目标脉冲序列S_d(t)；f＝{1,2,..,N}为脉冲的标签，N为当前脉冲的数量；δ(t-t^f)为Dirac函数；t^f为过去点火时间；t为当前点火时间。

3.根据权利要求1所述的基于改进监督学习算法的图像识别方法，其特征在于，所述多层脉冲神经网络的学习模型包括输入层、隐含层以及输出层，相邻层的神经元之间采用全连接。

4.根据权利要求1所述的基于改进监督学习算法的图像识别方法，其特征在于，所述步骤S2的延迟策略中，神经元延迟的计算公式为：

式中，dt_m为神经元延迟；为延迟点火时间；t为当前点火时间；x_m(t)为延迟点火时间的轨迹局部变量；τ_x为延迟时间常数；A为振幅。

5.根据权利要求1所述的基于改进监督学习算法的图像识别方法，其特征在于，所述噪音阈值的公式为：

式中，n_thr为噪音阈值；thr为原固定阈值；η₁、η₂和a为噪音阈值参数；t为当前点火时间；t_d(i)为目标点火时刻；为期望的输出时间；为不期望的输出时间。

6.根据权利要求5所述的基于改进监督学习算法的图像识别方法，其特征在于，加入噪音阈值后输出神经元突触后电位的计算公式为：

式中，V(t)为输出神经元突触后电位；K(t-t_i-d_tm)为膜电位影响函数；V_rest为静息电位；θ(t)为动态阈值，包括噪音阈值n_thr；t为当前点火时间；为突触后点火时间；d_tm为延迟；w_i为第i个突触前神经元的权重；τ_m为当前时间常量。

7.根据权利要求1所述的基于改进监督学习算法的图像识别方法，其特征在于，所述步骤S3中，误差信号为瞬时网络误差，且将其定义为所有输出神经元的实际瞬时点火率与期望瞬时点火率之间的差异性，误差信号函数的公式为：

式中，为瞬时网络误差；为实际瞬时点火率；为期望瞬时点火率；O为输出神经元数量。