10.19678/j.issn.1000-3428.0054208
基于脉冲神经网络的迁移学习算法与软件框架
使用脉冲序列进行数据处理的脉冲神经网络具有优异的低功耗特性,但由于学习算法不成熟,多层网络训练存在收敛困难的问题.利用反向传播网络具有学习算法成熟和训练速度快的特点,设计一种迁移学习算法.基于反向传播网络完成训练过程,并通过脉冲编码规则和自适应的权值映射关系,将训练结果迁移至脉冲神经网络.实验结果表明,在多层脉冲神经网络中,迁移学习算法能够有效解决训练过程中收敛困难的问题,在MNIST数据集和CIFAR-10数据集上的识别准确率分别达到98.56%和56.00%,且具有微瓦级别的低功耗特性.
脉冲神经网络、迁移学习、反向传播、多层网络、MNIST数据集、CIFAR-10数据集、低功耗
46
TP183(自动化基础理论)
国家自然科学基金91846303
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
53-59