[发明专利]基于兴奋性与抑制性STDP的储备池网络的结构优化方法

权利要求书

1.基于兴奋性与抑制性STDP的储备池网络的结构优化方法，其特征在于：所述储备池网络为由兴奋性神经元E和抑制性神经元I相互连接构成的网络，网络存在四种连接：E-E、E-I、I-E、I-I，通过兴奋性STDP调节E-E的连接权值，通过抑制性STDP调节I-E的连接权值。

2.根据权利要求1所述的基于兴奋性与抑制性STDP的储备池网络的结构优化方法，其特征在于：将抑制性突触可塑性作用于I-E突触上，抑制性突触可塑性模型为依赖放电时刻的突触可塑性STDP，可塑性表现为近似同步的突触前后神经元放电使得抑制性突触权重增强，而单个神经元放电使其衰减，抑制性突触可塑性的调节函数的公式如下所示：

Δt＝t_j-t_i

其中，t_j,t_i分别为突触前后神经元的脉冲发放时刻。

3.根据权利要求1所述的基于兴奋性与抑制性STDP的储备池网络的结构优化方法，其特征在于：将兴奋性突触可塑性作用于E-E突触上，兴奋性突触可塑性模型为依赖放电时刻的可塑性STDP，可塑性表现为当突触后神经元i在突触前神经元j之后放电时，突触权重增强；当突触后神经元i在突触前神经元j之前放电时，突触权重减弱；即当神经元i或j放电时，W_ji+ΔW_i→W_ji，其调节函数的公式如下：

其中，W_ji为突触权重，t_j和t_i为神经元j和i最近一次的放电时刻，τ₊和τ_-分别代表了当突触增强或减弱发生时突触前后脉冲间隙的范围，A₊(W_ij)和A_-(W_ij)为权重依赖函数：

其中，η为学习率，W_max最大权重。

4.根据权利要求1所述的基于兴奋性与抑制性STDP的储备池网络的结构优化方法，其特征在于：通过跟踪来明确抑制性突触强度变化，跟踪方法为：

给每一个神经元i建立一个踪迹，其变化情况如下：

神经元i放电：x_i→x_i+1

神经元i不放电：

其中，τ_STDP表示突触可塑性时间常数；

然后，从抑制性神经元j到兴奋性神经元i的抑制性突触权重W_ij跟随每一个突触前神经元的放电活动变化，具体如下：

突触前神经元在时刻放电：W_ij→W_ij+η(x_i-α)

突触后神经元在时刻放电:W_ij→W_ij+ηx_j

其中x_i与x_j分别表示神经元的突触踪迹，η为学习率，α＝2*ρ₀*τ_STDP是抑制因素，表示衰减因子，ρ₀是目标放电率，是常值。

5.根据权利要求1所述的基于兴奋性与抑制性STDP的储备池网络的结构优化方法，其特征在于：所述储备池网络中兴奋性神经元与抑制性神经元的个数之比采用4:1，初始结构时为随机连接，连接概率为0.2。