[发明专利]一种脉冲网络模型的优化方法、系统、装置以及存储介质

权利要求书

1.一种脉冲网络模型的优化方法，其特征在于，包括：

脉冲网络模型中任一神经元接收刺激信号输入；

基于所述刺激信号，确定所述神经元当前对应的脉冲发射概率；

基于所述脉冲发射概率，确定所述神经元当前膜电势；

当所述当前膜电势大于预设膜电势阈值时，则所述神经元发出脉冲信息。

2.根据权利要求1所述的脉冲网络模型的优化方法，其特征在于，基于所述刺激信号，确定所述神经元当前对应的脉冲发射概率，具体包括：

基于线性滤波器，对所述刺激信号进行处理，得到所述刺激信号对应的信号参数；

基于所述信号参数，确定所述神经元当前对应的脉冲发射概率。

3.根据权利要求2所述的脉冲网络模型的优化方法，其特征在于，基于所述信号参数，确定所述神经元当前对应的脉冲发射概率，具体包括：

确定所述神经元的条件强度参数；

根据所述条件强度参数，确定所述神经元当前对应的脉冲发射概率。

4.根据权利要求3所述的脉冲网络模型的优化方法，其特征在于，确定所述神经元的条件强度参数，具体包括：

根据以下公式计算所述神经元的条件强度参数：

其中，v_t表示t时刻所述神经元对应的膜电势，T表示所述预设膜电势阈值，F_max表示最大脉冲发射速率，F_min表示基线发射速率，α表示阈值敏感度参数。

5.根据权利要求4所述的脉冲网络模型的优化方法，其特征在于，根据所述条件参数，确定所述神经元当前对应的脉冲发射概率，具体包括：

根据以下公式计算所述神经元当前对应的脉冲发射概率：

P(s_t＝1|λ_t)＝1-exp(-λ_tΔ)

其中，exp(-λ_tΔ)表示所述神经元在Δ的时间间隔内没有发射脉冲的概率，则P(s_t＝1|λ_t)表示所述神经元当前对应的脉冲发射概率。

6.根据权利要求1所述的脉冲网络模型的优化方法，其特征在于，基于所述脉冲发射概率，确定所述神经元当前膜电势，具体包括：

根据以下公式计算所述神经元当前膜电势：

其中，表示所述神经元在当前t时刻对应的膜电势，v_[i]t-1表示所述神经元在t-1时刻对应的脉冲发射概率，表示指定突触对应的权重。

7.根据权利要求1所述的脉冲网络模型的优化方法，其特征在于，当所述当前膜电势大于预设膜电势阈值时，则所述神经元发出脉冲信息后，还包括：

对所述神经元的膜电势进行重置。

8.一种脉冲网络模型的优化系统，其特征在于，包括：

信号接收单元，用于接收刺激信号输入；

脉冲发射概率确定单元，用于基于信号接收单元接收到的刺激信号，确定所述神经元当前对应的脉冲发射概率；

膜电势确定单元，用于基于脉冲发射概率确定单元确定的脉冲发射概率，确定所述神经元当前膜电势；

脉冲发射单元，用于当所述当前膜电势大于预设膜电势阈值时，则控制所述神经元发出脉冲信息。

9.一种脉冲网络模型的优化装置，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

脉冲网络模型中任一神经元接收刺激信号输入；

基于所述刺激信号，确定所述神经元当前对应的脉冲发射概率；

基于所述脉冲发射概率，确定所述神经元当前膜电势；

当所述当前膜电势大于预设膜电势阈值时，则所述神经元发出脉冲信息。

10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

脉冲网络模型中任一神经元接收刺激信号输入；

基于所述刺激信号，确定所述神经元当前对应的脉冲发射概率；

基于所述脉冲发射概率，确定所述神经元当前膜电势；

当所述当前膜电势大于预设膜电势阈值时，则所述神经元发出脉冲信息。