[发明专利]基于STDP非监督学习算法的脉冲神经网络模型构建方法有效
| 申请号： | 201710222912.7 | 申请日： | 2017-04-07 |
| 公开（公告）号： | CN107092959B | 公开（公告）日： | 2020-04-10 |
| 发明（设计）人： | 常胜;徐智勇;王豪;刘锋 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型构建方法，所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立。本发明完全依赖数字硬件电路平台进行脉冲神经网络的模型设计，并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中，能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的稳定性，能够在占用较少硬件资源的条件下拥有较快的速度，加上网络结构并行连接的特点，其拓展性也大大提高，对于实现超大规模的脉冲神经网络也提供了新的思路。 | ||
| 搜索关键词： | 基于 stdp 监督 学习 算法 脉冲 神经网络 模型 构建 方法 | ||
【主权项】：
一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型，其特征在于：所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710222912.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种仓库自动统计系统
- 下一篇：一种改进的并行通道卷积神经网络训练方法
