《基於時間編碼的脈衝神經網路脈衝序列學習機制的研究》是徐彥為項目負責人，南京農業大學為依託單位的青年科學基金項目。
基本介紹
- 中文名：基於時間編碼的脈衝神經網路脈衝序列學習機制的研究
- 項目類別 ：青年科學基金項目
- 項目負責人：徐彥
- 依託單位 ：南京農業大學
科研成果,項目摘要,
科研成果
序號 | 標題 | 類型 | 作者 |
|---|---|---|---|
1 | Spiking神經元輸入脈衝擾動敏感性研究 | 期刊論文 | 楊靜; 徐彥; 趙欣 |
2 | 多層感知機權值擾動敏感性計算算法研究 | 期刊論文 | 楊靜(#); 徐彥; 姜贏 |
3 | An online supervised learning method based on gradient descent for spiking neurons | 期刊論文 | Xu, Yan(#)(*); Yang, Jing; Zhong, Shuiming |
4 | 脈衝神經元序列學習方法的影響因素研究 | 期刊論文 | 徐彥(#)(*); 楊靜 |
5 | 基於梯度下降的脈衝神經元線上學習方法 | 期刊論文 | 徐彥(#)(*) |
6 | 採用資格跡的神經網路學習控制算法 | 期刊論文 | 劉智斌(#); 曾曉勤; 徐彥; 禹繼國 |
項目摘要
本項目主要研究第三代人工神經網路（即脈衝神經網路，Spiking neural networks）有監督的脈衝序列學習機制。脈衝神經網路以脈衝序列作為輸入輸出形式，其運行機制相比較其他人工神經網路更加接近真實的生物神經系統。因此，對脈衝神經網路的研究對於人工智慧的最終實現具有極高的理論與套用價值。 . 本項目首先對脈衝神經網路脈衝序列學習中如何克服多個脈衝之間學習的干擾以及脈衝序列可學習性這兩個尚未被研究者詳細探討過的基本理論進行研究，然後以此為基礎順序研究單脈衝神經元以及多層脈衝神經網路的脈衝序列學習機制，解決其中的突出問題，得到效率與精度更高，多脈衝學習能力更強的學習方法。最後，對脈衝神經網路脈衝序列學習的套用進行研究。. 本項目的研究將在很大程度上促進神經網路理論的發展，進而對人工智慧的發展起到推動作用，從而對科學進步和社會發展具有顯著的研究意義。
