脉冲神经元序列学习方法的影响因素研究

摘要

远程有监督方法(ReSuMe)通过计算神经元运行时的输出脉冲和输入脉冲的时间差调整突触权值,是目前在理论基础和实际应用上都较出色的脉冲神经元有监督学习方法,但是当期望输出脉冲序列较长时,ReSuMe方法的学习精度较低.为解决该问题,分析影响ReSuMe方法性能的2个主要因素:在线、离线学习方式及学习过程中更新突触权值时输入脉冲的选取.在线学习精度一般高于离线学习,但是学习精度的差异随着参数或者其他设置的不同有较大差别.针对输入脉冲的选取,提出一种新的学习策略以改进ReSuMe方法,该策略在计算权值调整幅度时综合考虑期望输出与实际输出脉冲序列,从而避免增强与减弱权值时输入脉冲出现重叠干扰.实验结果表明,新的学习策略可以有效提高ReSuMe方法的学习精度及其解决实际问题的能力.