[發明專利]基于無監督匹配追蹤編碼的仿腦架構圖像識別方法

有效

• 申請號: 202010083016.9
• 申請日: 2020-02-07
• 公開（公告）號: CN111310816B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 于強;宋世明
• 申請（專利權）人: 天津大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06N3/049;G06N3/0455;G06N3/0464;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程小艷

1.基于無監督匹配追蹤編碼的仿腦架構圖像識別方法，其特征在于，主要包括以下三個部分：數據預處理、時序編碼和多脈沖學習，具體如下：

步驟一，對輸入數據進行預處理：

將圖像轉換成灰度圖像，然后對圖像進行歸一化處理；

步驟二，對圖像進行時序編碼：

首先，計算編碼神經元的激活值，

其中：是輸入圖像I在位置的像素值，φ_i和R_i分別表示神經元的權重向量和感受野；

然后，選擇具有最強激活水平的神經元發射脈沖，同時發送側向抑制到其他的神經元，反復進行這個選擇和抑制的過程，直到沒有神經元的激活值達到脈沖發射閾值為止；

以t＝0時刻為例，首先將初始時刻的圖像I⁰和神經元激活值設置成I和A_i，之后選擇有最大激活水平的神經元發射脈沖

i⁰表示發射神經元的索引值，該神經元對應的激活值表示為側向抑制通過在I⁰中減去該神經元的特征實現，公式表示如下:

其中:I¹表示t＝1時刻的殘差圖像，表示的平方范數，表示公式(1)的整合過程；將公式(1)至(3)合并，側向抑制的過程如下：

通過公式(2)和(4)，后續t＞0時刻的計算過程寫成如下形式:

其中:表示MP的系數

重復上述步驟，將輸入圖像編碼成一系列的脈沖；

同時提出一種無監督的學習法則用來調整編碼神經元的權重：

其中，λ是學習速率，表示第t步時的殘差，由公式(6)可以得到，編碼神經元權重調整梯度是其殘差的加權平均值；

除此之外，為了使不同的編碼神經元獲取到不同的信息，在選擇發射的神經元的過程中，在公式(5)中添加了一個正則化項，此時，在第t步發射的神經元的下標表示:

其中，γ是正則化系數，則是不同神經元之間的距離；

基于無監督匹配追蹤得到的權重，對圖像進行編碼，之后將得到的脈沖依次放在時間步長1ms的時間窗口內，由此，輸入的圖像被轉換成了稀疏的時空脈沖圖，從而作為下一階段的輸入；

步驟三，多脈沖學習:

采用TDP學習規則對無監督匹配追蹤時序編碼得到脈沖時空圖進行學習和分類。

2.根據權利要求1所述的基于無監督匹配追蹤編碼的仿腦架構圖像識別方法，其特征在于，所述步驟三具體：采用帶漏電的整合放電模型leaky?integrate-and-fire進行實驗：

其中，是到達第i個突觸的第j個脈沖的時間，代表當前神經元第j個輸出脈沖的時間，N和w_i表示突觸前神經元的數目和相對應的突觸權重，θ表示神經元的閾值；

當神經元的膜電位大于閾值時，神經元會發射脈沖，每一個傳入突觸電流都會對當前神經元的膜電位產生持續的影響，影響幅度由權重w_i和核函數K(t)決定；

K(t)是一個核函數，定義為：

V₀是一個常數因子，用來對K(t)進行歸一化；

τ_m表示膜電位的時間常數，τ_s表示突觸電流的時間常數；

在神經元整合輸入的脈沖之后，學習規則被用來訓練神經元對其相應的脈沖時空圖發射指定數目的脈沖，同時對其他類別的輸入保持沉默；

采用TDP閾值驅動可塑性多脈沖學習規則對神經元的權重進行調整；

在其他條件不變的情況下，神經元的脈沖響應個數由不同的閾值θ決定；

神經元對輸入的響應通過脈沖閾值表層Spike?Threshold?Surface來表征，SpikeThreshold?Surface定義一系列使神經元脈沖輸出個數從k-1個變為k個的臨界閾值即是滿足ψ(θ)＝k的最小上界；

定義V_max為臨界值即當閾值θ＞V_max時，神經元的脈沖輸出個數為零；

TDP對神經元權重w_i的調整規則如下：

其中，o是當前神經元的實際脈沖輸出個數，d是目標的脈沖發放個數，η為學習速率。