第 !" 卷#第 $ 期 #
!"#$!"# %"$$ #
计 算 机 工 程
&"'()*+,-./0.++,0./
##
%&%& 年 $ 月
12,34 %&%&
!人工智能与模式识别!
文章编号" !"""#$%&' #&"&"$"$#""Q$#"T ( ( ( 文 献 标 志 码 " )(((中图分类号" *+!'$
基金项目"国家自然科学基金!*',! "$&$ " #
作者简介"尚瑛杰!'**%$" %男 %硕士%主研方向为脉冲神经网络'董丽亚%硕 士 '何 # 虎 %副教 授 #
收稿日期"%&'*5&$5'$ # # 修 回 日 期 "%&'* 5&! 5'( # # -#./01"J4 2. /79') +' "$ $3"'
基于脉冲神经网络的迁移学习算法与软件框架
尚瑛杰!董丽亚!何#虎
! 清华大学 微电子与纳电子学系%北京 '&&&,! "
摘# 要" 使用脉冲序列进行数据处理的脉冲神经网络具有优异的低功耗特性%但由于学习算法不成熟%多层网络训
练存在收敛困难的问题# 利用反向传播网络具有学习算法成熟和训练速度 快的特 点%设计一 种 迁移学 习算法# 基
于反向传播网络完成训练过程%并通过脉冲编码规则和自适应的权值映射关系%将 训 练结果 迁移至 脉 冲神经 网 络#
实验结果表明%在多层脉冲神经网络中%迁移 学 习 算 法 能 够 有 效 解 决 训 练 过 程 中 收 敛 困 难 的问题%在 1%A@M数据
集和 &AC=S5'& 数据集上的识别准确率分别达到 *, $(" !和 (" $&& !%且具有微瓦级别的低功耗特性#
关键词" 脉冲神经网络'迁移学习'反向传播'多层网络'1%A@M数据集'&AC=S5'& 数据集'低功耗
开放科学! 资源服务" 标志码! ?@A<" "
中文引用格式"尚瑛杰%董丽 亚% 何 虎$基 于 脉 冲 神 经 网 络 的 迁 移 学 习 算 法 与 软 件 框 架 ( B) $计 算 机 工 程%%&%&%
!"!$ " *($ 5(*$
英文引用格式"@F=%> E0./90+% <?%> V072% F- F)$M,2.J6+,#+2,.0./ 2#/",0*4' 2.K J"6*82,+6,2'+8",; H2J+K ".
J(0;0./ .+),". .+*8",;( B) $&"'()*+,-./0.++,0./%%&%&%! " !$" *($5(* $
*4/>@964V6/4>0>K )1K840B=. />G289BF/46J4/.6F84<
:/@6G8>2A0<0>K X6348>X6BF84<
@F=%> E0./90+%<?%> V072%F-F)
! <+(2,*'+.*"6103,"+#+3*,".03J2.K %2."+#+3*,".03J%MJ0./ 4)2D.0I +,J0*7%:+090./ '&&&,! %&40.2"
+ )D@B4/;B, @(0;0./ %+),". %+*8",;! @%%" )J+JJ(0;+J+O)+.3+6",K2*2(,"3+JJ0./%J" 0*42J*4++P3+##+. *342,23*+,0J*03
"6#"8 ("8+,3".J)'(*0".$F"8+I+,% K)+*" *4+0''2*),0*7 "6#+2,.0./ 2#/",0*4'%*4+')#*0#27+,.+*8",; *,20.0./ 42J
K06603)#*7 0. 3".I+,/ +.3+$D*0#0N0./ *4+'2*),+#+2,.0./ 2#/",0*4' 2.K 62J**,20.0./ J(++K "6*4+H23; (,"(2/2*0". .+*8",;%
*40J(2(+,(,"("J+J2*,2.J6+,#+2,.0./ 2#/",0*4'$M4+2#/",0*4' 3" '(#+*+J*4+*,20.0./ (,"3+JJH2J+K ". *4+H23;
(,"(2/2*0". .+*8",; 2.K *,2.J6+,J*4+*,20.0./ ,+J)#*J*" *4+J(0;0./ .+),". .+*8",;J*4 ,")/4 *4+J( 0;+3"K0./ ,) #+J2.K
*4+2K2( *0I+8+0/4*'2((0./ ,+#2*0".J40($-P(+,0'+.*2#,+J)#*JJ4"8 *42**4+*,2.J6+,#+2,.0./ 2#/",0*4' 32. +66+3*0I+#7
J"#I+*4+3".I+,/+.3+(,"H#+' 0. *4+*,20.0./ (,"3+JJ"6')#*0#27+,J(0;0./ .+),". .+*8",;J$M4+,+3"/.0*0". 233),237 ".
*4+1%A@MK2*2J+*2.K &AC=S5'& K2*2J+*32. H+)( *" *, $(" ! 2.K (" $&& ! ,+J(+3*0I+#7%80*4 #"8 ("8+,3".J)'(*0".
2**4+'03,"82**#+I+#$
+ E67 F84G@, @(0;0./ %+),". %+*8",;! @%%" '*,2.J6+,#+2,.0./'H23; (,"(2/2*0".'')#*0#27+,.+*8",;'1%A@MK2*2J+*'
&AC=S5'& K2*2J+*'#"8 ("8+,3".J)'(*0".
CHI*'& $'*"), Q9$0JJ.$'&&& 5$!%,$&&(!%&,
"(概述
脉冲神经 网 络 ! @(0;0./ %+),". %+*8",;% @%%"
被称为第三代 人 工 神 经 网 络%它在 原 理 上 更 加 接 近
生物神经网络
(')
%具有低计算量&低功耗和高维度 等
特点%是实现类脑计算和强人工智能的重要途 径
(%)
%
近年来受到 了越 来 越 多的 关 注# 但 是% 由 于 缺 乏 有
效 的 学 习 算 法% 脉 冲 神 经 网 络 的 研 究 还 处 在 探 索
阶段#
目前%脉冲神经 网 络 的 学 习 算 法 主 要 有 基 于 脉
冲时间依 赖 型 可 塑 性 规 则 ! @(0;+M0'0./ <+(+. K+.*
T#2J*030*7%@M<T" 的 无 监 督 学 习 算 法& 基 于 U0K,"85
F"66推 导 的 学 习 算 法 和 基 于 反 向 传 播 的 学 习
算法
($5( )
#
计算机工程
www.ecice06.com
剩余6页未读，继续阅读
资源评论
