[发明专利]一种基于注意力机制的脉冲卷积神经网络的图像分类方法

权利要求书

1.一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，具体的步骤为：

步骤1，下载数据集；

步骤2，对数据集进行预处理，得到预处理数据集；

步骤3，建立脉冲卷积神经网络模型，所述脉冲卷积神经网络模型的拓扑结构为依次连接的输入层、高斯差分时序编码层、第一脉冲卷积注意力层、第一脉冲池化层、第二脉冲卷积注意力层、第二脉冲池化层、分类层；所述脉冲卷积神经网络模型采用漏积分点火神经元模型；

步骤4，采用所述脉冲卷积神经网络模型对预处理数据集进行训练，得到训练好的脉冲卷积神经网络模型；

步骤5，输入待分类的图片，采用训练好的脉冲卷积神经网络模型对待分类进行分类，得到分类结果。

2.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，所述漏积分点火神经元模型中膜电位V_m(t)的变化过程由一个一阶微分方程描述，如公式(1)所示：

其中，V_m(t)表示神经元的膜电位，VrestV_rest是静息电位，时间常数τ_m是膜电阻R_m和膜电容C_m的乘积，I(t)是突触后神经元的输入电流；当突触后膜电位V_m(t)超过阈值电位V_thres时，突触后神经元发放脉冲，膜电位恢复至静息电位，之后神经元进入不应期，不会再产生脉冲。

3.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，所述预处理的具体方法为：将数据集中的所有图片统一转化为28×28的灰度图片格式后再转化为张量格式，所述张量形式为T×C×H×W，分别对应于时间步长，通道数，图像的高度和宽度；所述输入层神经元的个数为28×28。

4.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，所述高斯差分时序编码层，采用高斯差分滤波器与图像卷积提取边缘特征，之后对其进行归一化处理，将其编码为脉冲时间序列。

5.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，所述第一脉冲卷积注意力层和第二脉冲卷积注意力层均采用突触后膜电位进行脉冲的激活，同时应用卷积注意力机制，提取更高维度的特征。

6.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，所述第一脉冲池化层和第二脉冲池化层均采用最大池化操作。

7.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，所述分类层采用支持向量机进行分类。

8.如权利要求1所述的一种基于注意力机制的脉冲卷积神经网络的图像分类方法，其特征在于，在所述第一脉冲卷积注意力层和第二脉冲卷积注意力层突触上采用STDP学习规则进行网络权重的学习和更新。