[发明专利]一种基于DW-Tempotron算法的图像分类方法

权利要求书

1.一种基于DW-Tempotron算法的图像分类方法，其特征在于，包括以下步骤：

S1、构建Tempotron算法；

S2、在Tempotron算法中的突触施加延迟，得到DW-Tempotron算法；其中DW-Tempotron算法中的LIF模型为：

其中V(t)为LIF模型突触后神经元膜电压；ω_i为第i个突触的权重；K(·)为核函数，表示每个传入spike对突触后神经元膜电压所做出的贡献；t为期望点火时间，t_i为第i个突触前神经元的spike输入时间；d_i为施加的延迟；V_rest为静息电位；τ为突触后膜积分时间常数；τ_s为突触电流衰减时间常数；V₀为对膜电压标准化的因子；

S3、初始化DW-Tempotron算法的参数；初始化的参数包括输入脉冲时间、突触权重、点火阈值、延迟、学习率、突触后膜积分时间常数、突触电流衰减时间常数和迭代次数；

S4、分别获取当前DW-Tempotron算法中LIF模型的突触后神经元分别在+模式下的膜电压和-模式下的膜电压；

S5、判断当前+模式下的膜电压是否小于点火阈值，若是则更新延迟并重新计算+模式下的膜电压，进入步骤S6；否则进入步骤S7；

S6、判断当前+模式下的膜电压是否小于点火阈值，若是则更新突触权重，返回步骤S5；否则进入步骤S7；

S7、判断当前-模式下的膜电压是否大于点火阈值，若是则更新延迟并重新计算-模式下的膜电压，进入步骤S8；否则结束当前轮次的训练，进入步骤S9；

S8、判断当前-模式下的膜电压是否大于点火阈值，若是则更新突触权重，返回步骤S7；否则结束当前轮次的训练，进入步骤S9；

S9、判断训练轮次是否达到迭代次数，若是则采用当前DW-Tempotron算法进行图像分类；否则返回步骤S4。

2.根据权利要求1所述的基于DW-Tempotron算法的图像分类方法，其特征在于，步骤S5中更新延迟的具体方法为：

根据公式：

获取当前更新后的延迟其中表示当前更新前的延迟；为当前延迟调整值；为当前突触前神经元的spike输入时间；ψ＝ττ_s(lnτ-lnτ_s)/(τ-τ_s)；为当前突触权重。

3.根据权利要求1所述的基于DW-Tempotron算法的图像分类方法，其特征在于，步骤S6中更新突触权重的具体方法为：

根据公式：

获取DW-Tempotron算法中的突触权重更新值Δω_i，并将更新值Δω_i与当前的权重值相加，完成突触权重的更新；其中λ为常数且大于0；和均为突触后神经元膜电压达到最大值的时间，对应的膜电压大于点火阈值，对应的膜电压小于点火阈值。

4.根据权利要求1所述的基于DW-Tempotron算法的图像分类方法，其特征在于，步骤S7中更新延迟的具体方法为：

根据公式：

获取当前更新后的延迟其中表示当前更新前的延迟；为当前延迟调整值；为当前突触前神经元的spike输入时间；ψ＝ττ_s(lnτ-lnτ_s)/(τ-τ_s)；为当前突触权重。

5.根据权利要求1所述的基于DW-Tempotron算法的图像分类方法，其特征在于，步骤S8中更新突触权重的具体方法为：

根据公式：

获取DW-Tempotron算法中的突触权重更新值Δω_i，并将更新值Δω_i与当前的权重值相加，完成突触权重的更新；其中λ为常数且大于0；和均为突触后神经元膜电压达到最大值的时间，对应的膜电压大于点火阈值，对应的膜电压小于点火阈值。

6.根据权利要求1所述的基于DW-Tempotron算法的图像分类方法，其特征在于，DW-Tempotron算法的损失函数为：

其中C表示损失值；为突触后神经元膜电压达到最大值的时间，且对应的膜电压大于点火阈值；thr为点火阈值；η₂为大于0的常数；为突触后神经元膜电压达到最大值的时间，且对应的膜电压小于点火阈值；η₁为大于0的常数。