基于粒子群算法优化Spiking神经网络

来源 :计算机应用 | 被引量 : 0次 | 上传用户:archer_zhang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
Spiking神经网络采用神经元的发放时间点进行信息编码,更接近于生物神经元。学习算法的选取对发挥Spiking神经网络的性能有很大的影响。基于BP算法的SpikeProp采用多突触连接的网络结构,利用梯度信息进行网络参数的调整,易于陷入局部最优解;且连接权值的选取只能为正值,否则将不收敛。采用粒子群算法(Particle Swarm Optim ization,PSO)进行Spiking网络连接参数的调整,全局收敛性好,减少了对连接权值的约束,简化了网络结构。实验表明,该方法是一种有效的Spiki
其他文献
虚拟发电厂(Virtual Power Plant,VPP)作为大量分布式电源(Distributed Generation,DG)接入配电网的有效途径,因其供需系统的复杂性和不确定性,给VPP运营决策带来诸多不便.本文在
目的探讨蛋白磷酸酶2A抑癌因子(CIP2A)在非小细胞肺癌(NSCLC)中的表达及其对预后的影响.方法选择2010年6月-2011年5月,收治的106例NSCLC患者,均在医院进行手术切除治疗.本方案经
随着信息时代数据量成倍的增长,传统的文本相似度检测方法已经无法处理大规模的文本数据.为此,提出了一种基于Hadoop集群技术的文本相似度仿真检测模型.该检测模型分为三步:第