基于脉冲神经网络的迁移学习算法与软件框架

摘要：

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.

关键词：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

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金91846303

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：53-59