一基于STD的递归脉冲神经网络 监督学习算法研究
一基于STD的递归脉冲神经网络 监督学习算法研究近年来，脉冲神经网络在智能计算领域的研究与应用越来越广泛，获得了研
究者越来越多的关注。虽然脉冲神经网络的早期发展受到了传统人工神经网络的
启发，但是其与传统人工神经网络在本质上有很大的不同，脉冲神经网络拥有更
强大的计算能力，非常适合于实现复杂时空模式的处理问题。一方面，脉冲神经
网络采用精确定时的脉冲序列编码信息，而人工神经网络采应用脉冲频率编码信
息。人类大脑对信息的处理过程是实时的，因此与传统人工神经网络相比较，很
显然采用时间编码的脉冲神经网络更具有生物真实性。另一方面，大脑皮层网络
并不是简单的前馈结构，大脑中的神经元递归地连接在一起，并通过动作电位进
行交互。因此与前馈结构的脉冲神经网络相比较，具有反馈连接的递归脉冲神经
网络能更好地模拟大脑的信息处理过程。对于脉冲神经网络来说，神经信息以脉
冲序列的形式表示，神经元内部状态变量及误差函数不再满足连续可微的性质，
所以传统人工神经网络的学习算法不能直接应用到脉冲神经网络中。另外，具有
反馈连接使得递归脉冲神经网络具有更为复杂的动力学特征，因而构建其学习算
法更为困难。基于以上背景，文中提出两个可以用来训练递归脉冲神经网络的监
督学习算法。
页:
[1]