脈沖神經(jīng)網(wǎng)絡的多脈沖定時誤差反向傳播算法研究.pdf

1、最近幾年來,隨著多層前饋脈沖神經(jīng)網(wǎng)絡監(jiān)督學習研究的快速發(fā)展,越來越多的研究成果表明基于脈沖精確定時編碼的脈沖神經(jīng)網(wǎng)絡是神經(jīng)系統(tǒng)處理信息的基礎。很多研究者借鑒傳統(tǒng)人工神經(jīng)網(wǎng)絡的誤差反向傳播算法,給出了脈沖神經(jīng)網(wǎng)絡基于梯度下降的學習規(guī)則。而且本文旨在解決多層前饋脈沖神經(jīng)網(wǎng)絡監(jiān)督學習中的兩個基本問題:(1)如何定義多脈沖誤差函數(shù)以及構建脈沖神經(jīng)網(wǎng)絡多脈沖定時誤差反向傳播算法;(2)如何設計有效的多脈沖定時信息編碼方法以實現(xiàn)對具體問題求解的脈沖

2、神經(jīng)網(wǎng)絡監(jiān)督學習計算模型。
　　本文針對多脈沖精確定時編碼信息的特點,定義了新型的多脈沖誤差函數(shù),并提出了一種新型的基于多脈沖誤差反向傳播的多層前饋脈沖神經(jīng)網(wǎng)絡監(jiān)督學習算法。通過構建輸出層和隱含層神經(jīng)元突觸權值的梯度下降學習規(guī)則,實現(xiàn)了脈沖神經(jīng)網(wǎng)絡突觸權值的自動調整。該算法克服了現(xiàn)存學習算法中對輸出層神經(jīng)元僅能發(fā)放一個脈沖的限制,可使網(wǎng)絡中所有層的神經(jīng)元發(fā)放多個脈沖,提高了應用脈沖神經(jīng)網(wǎng)絡解決復雜問題的能力。
　　本文通過一

3、組模擬實驗展示了多脈沖誤差反向傳播算法在各種學習情況下,對一系列學習任務的學習能力。首先,通過對單脈沖序列的學習驗證了對于給定輸入脈沖序列,脈沖神經(jīng)網(wǎng)絡能夠訓練出一個理想的脈沖序列。其次,通過對多脈沖序列的學習展示了脈沖神經(jīng)網(wǎng)絡能夠有效地學習不同的目標脈沖序列。最后,多任務脈沖序列的學習顯示了脈沖神經(jīng)網(wǎng)絡對于不同的輸入模式能夠并行地完成多模式的學習。實驗結果表明了該算法能夠在誤差反向傳播學習過程中能夠有效地完成不同的學習任務,并實現(xiàn)了對

4、脈沖序列復雜時空模式的學習。
　　本文將多脈沖定時誤差反向傳播算法應用到非線性模式分類問題,驗證該算法對非線性模式分類問題的求解能力。首先,結合線性脈沖序列編碼的特點,分別對FisherIris數(shù)據(jù)集和Wisconsin乳腺癌數(shù)據(jù)集的數(shù)據(jù)進行編碼,使該算法分別在不同學習模式下對FisherIris分類以及Wisconsin乳腺癌基準分類問題進行學習。實驗表明多脈沖學習的分類準確率比單脈沖學習得到有效地提高。其次,分別對多脈沖神經(jīng)網(wǎng)