[发明专利]基于膜电位调控脉冲神经网络的图像分类方法、系统

权利要求书

1.一种基于膜电位调控脉冲神经网络的图像分类方法，其特征在于，该图像分类方法包括：

步骤S10，获取分类任务图像作为待处理图像；

步骤S20，基于所述待处理图像，通过训练好的图像分类神经网络获取待处理图像的类别；

步骤S30，输出待处理图像的类别；

其中，所述图像分类神经网络基于三层前馈脉冲神经网络构建，其构建和训练方法为：

步骤B10，构建积分-放电单元，并基于所述积分-放电单元构建图像分类神经网络；所述图像分类神经网络包括三层前馈脉冲神经网络；所述前馈脉冲神经网络包括多个兴奋性积分-放电单元、抑制性积分-放电单元、突触；

步骤B20，基于顺行前馈，膜电位从所述图像分类神经网络第一层开始依次传递到后面的逐层，进行膜电位信息更新；基于膜电位改变和输入电流达到平衡，进行膜电位信息更新：

其中，E_i代表前后时刻神经元膜电位的更新能量值，V_i代表当前时刻的神经元膜电位，w_i,j代表突触前神经元j和突触后神经元i的突触权值，V_th,i代表突触后神经元i的放电阈值，j为突触前神经元的标号，N代表突触前神经元的数目；

步骤B30，以膜电位信息更新后的图像分类神经网络当前层的误差信息，向上反传一层实现当前层的权值调整，获得第一图像分类神经网络；

步骤B40，基于所述第一图像分类神经网络，通过STDP学习机制非监督的根据膜电位信息的变化更新网络突触权值，获得训练好的图像分类神经网络。

2.根据权利要求1所述的基于膜电位调控脉冲神经网络的图像分类方法，其特征在于，所述积分-放电单元为HH神经元、LIF神经元、Izhikevich神经元中的一种。

3.根据权利要求1所述的基于膜电位调控脉冲神经网络的图像分类方法，其特征在于，步骤B30中“以膜电位信息更新后的图像分类神经网络当前层的误差信息，向上反传一层实现当前层的权值调整”，其方法为：

其中，C代表输出膜电势和标准膜电势的差，V_i代表输出膜电势的数值，V_T代表期望的标准膜电势的数值，i为神经元的位置索引，N代表神经元的数目。

4.根据权利要求1所述的基于膜电位调控脉冲神经网络的图像分类方法，其特征在于，步骤B40中“基于所述第一图像分类神经网络，通过STDP学习机制非监督的根据膜电位信息的变化更新网络突触权值”，其方法为：

其中，Δw_j代表突触更新的数值，A₊代表STDP的正向比例因子，A_-代表STDP的负向比例因子，Δt_i代表神经元前后放电的时间差，τ₊代表STDP的正向漏电时间常数，τ_-代表STDP的负向漏电时间常数。