公开(公告)号：CN107092959B

公开(公告)日：2020-04-10

申请号：CN201710222912.7

申请日：2017-04-07

申请人： 武汉大学

发明人： 常胜 ,  徐智勇 ,  王豪 ,  刘锋

IPC分类号： G06N3/04 ,  G06N3/063 ,  G06N3/08

摘要： 本发明公开了一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型构建方法，所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立。本发明完全依赖数字硬件电路平台进行脉冲神经网络的模型设计，并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中，能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的稳定性，能够在占用较少硬件资源的条件下拥有较快的速度，加上网络结构并行连接的特点，其拓展性也大大提高，对于实现超大规模的脉冲神经网络也提供了新的思路。

公开(公告)号：CN107092959A

公开(公告)日：2017-08-25

申请号：CN201710222912.7

申请日：2017-04-07

申请人： 武汉大学

发明人： 常胜 ,  徐智勇 ,  王豪 ,  刘锋

IPC分类号： G06N3/04 ,  G06N3/063 ,  G06N3/08

摘要： 本发明公开了一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型，所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立。本发明完全依赖数字硬件电路平台进行脉冲神经网络的模型设计，并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中，能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的稳定性，能够在占用较少硬件资源的条件下拥有较快的速度，加上网络结构并行连接的特点，其拓展性也大大提高，对于实现超大规模的脉冲神经网络也提供了新的思路。