[发明专利]基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法

权利要求书

1.一种基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，包括以下步骤：

S1、获取光学字符样本集；

S2、采用相位编码方法将步骤S1中的光学字符样本编码成具有时空信息的脉冲序列；

S3、建立基于膜电压驱动的spiking神经元监督学习模型，利用步骤S2得到的脉冲序列对spiking神经元监督学习模型进行训练；

S4、利用步骤S3训练后的spiking神经元监督学习模型对待检测光学字符进行识别。

2.如权利要求1所述的基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，所述步骤S2中，相位编码方法具体为：

每一个编码单元包括一个正向激励神经元和一个负向激励神经元以及一个输出神经元；每一个编码单元对应一个像素点和一个波动函数SMO；第i个像素点对应的SMO_i定义如下：

其中，A是SMO_i波动函数的振幅，ω是该波动函数的角速度，是第i个像素点的相位差。

3.如权利要求2所述的基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，所述步骤S3中，基于膜电压驱动的spiking神经元监督学习模型包括两个学习过程：在目标激发时刻，调整突触的权重，使得膜电压可以达到激发阈值；在其它时刻，调整突触权重，使得膜电压低于激发阈值。

4.如权利要求3所述的基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，所述基于膜电压驱动的spiking神经元监督学习模型在目标激发时刻的误差函数表示为：

其中θ和u_i(t)分别表示激发脉冲阈值和神经元的膜电压，t_d表示目标激发时刻；

权重更新公式表示为：

其中，β₁是控制权重调整大小的学习率，f是输入神经元激发的第f次脉冲，表示的是脉冲产生的突触后电势随时间的变化。

5.如权利要求4所述的基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，所述基于膜电压驱动的spiking神经元监督学习模型在其它时刻的误差函数表示为：

其中，p是影响权重调整幅度的参数，N_td表示其它时刻；

权重更新公式表示为：

其中，β2是控制权重调整大小的学习率。

6.如权利要求5所述的基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，所述步骤S3中，利用步骤S2得到的脉冲序列对spiking神经元监督学习模型进行训练具体为：

根据步骤S2得到的不同类别的脉冲序列设置对应数量的脉冲神经元，其中每一个神经元对应一个类别，输入脉冲序列到spiking神经元监督学习模型中，通过学习使其对应的神经元激发一个目标脉冲序列，同时训练其他的神经元保持静默状态。

7.如权利要求1所述的基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，其特征在于，所述步骤S4利用步骤S3训练后的spiking神经元监督学习模型对待检测光学字符进行识别具体为：

将待检测光学字符编码后的脉冲序列输入到步骤S3训练后的spiking神经元监督学习模型中，并采用相对置信度方法根据激发的最接近目标序列的神经元判断脉冲序列对应待检测光学字符的类别，完成待检测光学字符识别。