【摘 要】
：
人工神经网络（ANN）作为强大的数据处理工具被广泛应用于:模式识别,控制,机器人技术,生物信息学等领域。它们的广泛适用性极大地鼓励了科研人员通过研究生物大脑来改善人工神经网络。在生物学上更合理的脉冲神经网络（SNN）更忠实地利用生物学特性来提供更高的处理能力。近些年,SNN在神经形态低功耗系统中获得更大的发展势头,现存的大多数脉冲监督学习方法都实现了较好的性能,取得极大的成功。但是,现有的SNN模
论文部分内容阅读
人工神经网络（ANN）作为强大的数据处理工具被广泛应用于:模式识别,控制,机器人技术,生物信息学等领域。它们的广泛适用性极大地鼓励了科研人员通过研究生物大脑来改善人工神经网络。在生物学上更合理的脉冲神经网络（SNN）更忠实地利用生物学特性来提供更高的处理能力。近些年,SNN在神经形态低功耗系统中获得更大的发展势头,现存的大多数脉冲监督学习方法都实现了较好的性能,取得极大的成功。但是,现有的SNN模型受限于仅用于处理脉冲时间序列特征数据,而ANN模型更多地用于处理空间特征数据。借鉴生物神经元对时空信号的处理机制,我们提出在一个网络内同时进行多尺度时空信息学习的模型,即时空结合网络（SMN）。具体而言,SMN模型包含两个分支:SNN分支和ANN分支,其中SNN分支用于提取时间信息,而ANN分支则用于提取空间信息。在训练过程中,为了整合时间和空间信息,分别将ANN的隐层输出的激活值与SNN隐层的脉冲响应值都放缩后,进行累加。另外,我们还推导了SMN学习算法。本文在以下UCI数据集上对SMN模型进行试验:Iris,Breast Cancer Wisconsin,Liver Disorders,Statlog Landsat和Pima Indians Diabetes。在精度及迭代步数评价指标上,实验结果发现SMN模型使用较少的迭代步数,并在大多数数据集上实现了精度最优;为分析模型的收敛性,我们基于MSE及泛化差距进行对比分析,发现SMN实现了最快收敛和最小的泛化差距;为分析SMN、BP和SNN模型在各个数据集上的误分情况,我们以混淆矩阵、Macro-Recall、Macro-Precision和Macro-F1为评价指标进行对比分析,发现SMN在各个数据集上的查准率和查全率均优于其他模型。这项工作,一方面为研究具有未来类脑计算范例的高性能脉冲神经网络提供新的视角,有效弥补了SNN和ANN仅关注时间或空间某一方面信息的缺陷。另一方面,结合脉冲神经网络和宽度网络的优势,该工作为深度网络防止过拟合、降低复杂度、提高泛化性提供新思路。
其他文献
微小磁钢通常用作磁场源,配对后为部分微小精密器件提供恒定的气隙磁场,以导弹制导中惯性加速度计的微小磁钢对为例,它为加速度计力矩器提供气隙磁场,使其产生的电磁力与加速度惯性力相平衡,是加速度计的核心元件。为获得满足技术要求的气隙磁场,使用前需对磁钢进行筛选配对,如配对不理想将导致气隙磁场强度畸变,影响加速度计性能。目前,实际生产中微小磁钢的配对工作主要由工人配合精密夹具和磁强计操作完成,存在磁场测量
大型数控机床在装备制造领域占有重要地位。长行程线性导轨作为大型数控机床的关键部件,其精度直接影响大型数控机床的加工精度。要提高长行程线性导轨的精度,就必须对长行程线性导轨的运动误差进行精确的测量。激光运动误差测量方法具有高效率、高精度的优点,可应用在长行程线性导轨的运动误差测量中。激光运动误差测量系统需要在保证测量精度的前提下减小体积,使其能够安装在大型数控机床内,实现对长行程线性导轨运动误差的在
在海洋工程模型实验中进行波高数据采集时,往往需要在较远的距离处对多个分散位置的波浪信息进行准确测量,因此需要数据采集系统不仅具备较高的数据传输率及可靠的传输方式,而且还要有较高的实时性和测量精度。然而,现今的波高数据采集系统电路设计复杂、可靠性较差、数据采集通道有限、现场布线复杂,无法满足海工模型实验的需求。针对海工实验中波高数据采集所面临的问题,本文提出了一种新型电容式波高传感器的设计方法,并采
近年来,随着扫描技术的迅速发展,点云已经成为计算机视觉领域的研究热点,并逐渐发展为三维形状分析的主要研究对象。三维形状分析通过数字几何的算法,挖掘三维模型的几何特征、语义关系及模型的功能性。如何准确、有效地实现三维形状分析,是机器人感知、无人驾驶及虚拟现实等任务的基础,有着广泛的应用前景。三维形状分析主要包括模型检索,模型分割,语义对应,功能性分析等任务,而三维形状的局部特征能够准确地描述形状的局
城市化进程加快使得住房建设规模扩大,相关行业发展迅速,但是行业的迅速发展也使得其中存在的问题也越发凸显,例如住房建设中的卫生间渗漏问题,其作为房屋建设中的重要问题之一,直接影响了居民的使用和房屋的质量。基于此,本文就卫生间防水施工质量控制展开研究,首先阐述了卫生间防水必要性,其次对卫生间发生渗漏的原因进行分析,最后提出了防水施工质控措施,希望能够防止卫生间漏水。
随着基于5G网络的触感网的迅速发展,触觉通信系统及遥操作技术受到了学术界及工业界的广泛关注。其中,人类在环的力反馈遥操作触觉通信系统是存在于触感网中的典型用例,它将代表人类主观感受的判断标准引入系统,称作用户体验质量（Quality of Experience,Qo E）,以此反映系统性能。因此,在多个遥操作用户同时共享同一通信网络时,如何能够最大化网络总体用户体验质量成为目前一个主要的挑战。Qo
多目标优化问题是工程应用与科学研究的基本问题。处理该类问题的主要方法是进化计算。随着工业的发展,该问题的目标数量与问题规模都急剧增大。出于维数诅咒的原因,多目标进化算法在处理大规模超多目标优化问题时性能显著下降。因此大部分研究采用了分解策略以达到提升多目标优化算法性能的目的。针对分解策略仍存在的一些挑战,进行了改进。本文主要贡献如下:针对决策变量分析方法产生的分组结果不准确的问题,提出了一个统计变
深度神经网络（DNN）在包括计算机视觉,语音识别,自然语言处理,量子化学和医疗保健在内的多个研究领域中均表现出出色的性能。然而,众所周知,我们对其有效性的理论理解仍然不完整。深度学习架构需要通过标注大数据驱动的误差通过反向传播算法来不断优化“端到端”上的模型参数,这种学习过程犹如一个“黑盒子”。随着机器自动的黑盒算法开始辅助人类做出决策,这些机制有必要被更多的解释。此外,虽然这些大的神经网络用处广
在机器学习中,训练样本的数量与数据的准确性是除了模型之外对预测结果的准确性（也叫保真度）影响最大的因素。在很多实际问题中,例如计算机仿真问题,很多准确数据的计算成本是极高的,这种数据称为高保真度（High fidelity-HF）数据;而计算成本低、易获得,但准确度较低的数据称为低保真度（Low fidelity-LF）数据。利用这些多保真度数据建立的回归模型称为多保真度模型。多保真度建模致力于结
多智能体协同决策是人工智能领域的一个热门的研究方向,在实际生活中有着重要的作用。随着深度强化学习在单智能体领域的成功,越来越多的学者将其应用到多智能体协同决策任务。但是,由于环境的复杂性和动态性,多智能体强化学习算法在学习过程中可能面临着维度爆炸甚至无法收敛的问题。因此,如何通过智能体之间有效的通信,让智能体进行正确的行为决策,是多智能体领域的一个重要研究课题。为了实现智能体之间有效的通信,以加强