类脑计算脉冲神经网络模型及其学习算法研究进展

摘要：

深度神经网络在实际应用中的局限性日益凸显,具备生物可解释性的类脑计算脉冲神经网络成为了人们研究的热点课题.应用场景的不确定性及复杂多样性给研究者提出了新的挑战,要求类似生物大脑组织具备多尺度架构的类脑计算脉冲神经网络,能够实现对多模态、不确定性信息的感知决策功能.文中主要介绍了多尺度生物合理性的类脑计算脉冲神经网络模型及其面向多模态信息表征和不确定信息感知的学习算法,并分析探讨了基于忆阻器互联的脉冲神经网络可实现多尺度架构类脑计算的两个关键技术问题,即多模态、不确定信息与脉冲时序表示一致性问题和多尺度脉冲神经网络学习算法与容错计算问题.最后,对类脑计算脉冲神经网络的研究方向进行了分析与展望.

关键词：类脑计算、脉冲神经网络、多尺度网络模型、多模态信息、不确定信息感知、决策融合、学习算法、STDP

所属期刊栏目：50

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61836010

在线出版日期：2023-02-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：229-242