10.3969/j.issn.1007-130X.2023.08.017
基于高低阈值的脉冲神经元抗噪学习算法
脉冲神经元的动态阈值学习算法在训练神经元的过程中通过改变阈值的大小,可以有效提高神经元的抗噪能力.然而,动态阈值的使用又会降低神经元的学习精度,且在与基于梯度下降的学习算法结合使用时容易导致神经元沉默.基于此,提出了一种改进的基于梯度下降的高低阈值抗噪算法,使用高低阈值来避免神经元的学习精度损失,并在神经元沉默时使用虚拟激发脉冲来继续学习过程,同时使用动态的学习速率来降低高低阈值对学习周期的影响程度.实验结果表明,该算法可以显著提高神经元的抗噪能力,并且能够保证学习精度和收敛速度,适用于基于梯度下降的脉冲神经元学习算法.
脉冲神经元、高低阈值、梯度下降、抗噪能力
45
TP391.41(计算技术、计算机技术)
国家自然科学基金31872847
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
1482-1489