[發明專利]脈沖神經元的信號處理方法及相關裝置

在審

• 申請號: 202010851902.1
• 申請日: 2020-08-21
• 公開（公告）號: CN112101535A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 岳斌;李驍健
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06N3/063
• 分類號: G06N3/063
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

本申請涉及類腦計算技術領域，公開了脈沖神經元的信號處理方法及相關裝置，該脈沖神經元包括胞體模塊和樹突模塊，該方法包括：利用樹突模塊接收第一脈沖時空數據；利用樹突模塊對第一脈沖時空數據進行延時處理，得到第二脈沖時空數據；利用胞體模塊采用預設模型對第二脈沖時空數據進行處理，得到第三脈沖時空數據。通過上述方式，能夠提升脈沖神經元信息處理過程的生物可解釋性。

技術領域

本申請涉及類腦計算技術領域，特別是涉及一種脈沖神經元的信號處理方法及相關裝置。

背景技術

深度學習的興起引發了新一輪人工智能的研究熱潮，然而由于深度學習的自身在學習機制上類腦程度比較低的局限性，對不同計算任務的泛化能力較生物大腦弱，難以實現強人工智能。而脈沖神經網絡被認為是第三代神經網絡，是更具有生物意義、運行機制最類似大腦的神經網絡模型。在類腦科學研究中，脈沖神經網絡因為其低功耗、高性能的特點而占據核心地位，是更可能實現強人工智能的技術方法。

相關技術的脈沖神經元模型雖然有多種，但是都只關注模擬實現生物神經元胞體的計算特性，生物可解釋性不足。

發明內容

本申請主要解決的技術問題是提供脈沖神經元的信號處理方法及相關裝置，能夠提升脈沖神經元信息處理過程的生物可解釋性。

本申請采用的一種技術方案是提供一種脈沖神經元的信號處理方法，該脈沖神經元包括胞體模塊和樹突模塊，該方法包括：利用樹突模塊接收第一脈沖時空數據；利用樹突模塊對第一脈沖時空數據進行延時處理，得到第二脈沖時空數據；利用胞體模塊采用預設模型對第二脈沖時空數據進行處理，得到第三脈沖時空數據。

其中，第一脈沖時空數據包括至少一個第一電流信號；利用樹突模塊對第一脈沖時空數據進行延時處理，得到第二脈沖時空數據，包括：獲取經過樹突模塊中目標樹突傳導的第一電流信號；利用樹突模塊中目標樹突的延遲系數對第一電流信號進行處理，得到延時處理后的第一電流信號；將延時處理后的第一電流信號確定為第二脈沖時空數據。

其中，第一電流信號為第一刺激電流；該方法還包括：獲取第一刺激電流到達樹突模塊中目標樹突的第一時刻；利用樹突模塊中目標樹突的延遲系數計算出樹突模塊中目標樹突對第一刺激電流的第一延時時間；利用第一時刻和第一延時時間計算得到第一刺激電流到達胞體模塊的第二時刻。

其中，該方法還包括：獲取脈沖神經元的電生理性質信息；基于電生理性質信息確定目標預設模型；利用胞體模塊采用預設模型對第二脈沖時空數據進行處理，得到第三脈沖時空數據，包括：在胞體模塊接收樹突模塊傳導的第二脈沖時空數據時，將第二脈沖時空數據輸入至目標預設模型，以得到脈沖神經元的膜電勢和脈沖信號。

其中，將第二脈沖時空數據輸入至目標預設模型，以得到脈沖神經元的膜電勢和脈沖信號，包括：將第二脈沖時空數據輸入至目標預設模型，得到脈沖神經元的膜電勢；若膜電勢大于設定閾值，則生成第一脈沖信號；若膜電勢小于或等于設定閾值，則生成第二脈沖信號。

其中，脈沖神經元還包括軸突模塊；

利用胞體模塊采用預設模型對第二脈沖時空數據進行處理，得到第三脈沖時空數據之后，包括：利用軸突模塊對第三脈沖時空數據進行延時處理，得到第四脈沖時空數據，并將第四脈沖時空數據發送至下一脈沖神經元。

其中，利用軸突模塊對第三脈沖時空數據進行延時處理，得到第四脈沖時空數據，并將第四脈沖時空數據發送至下一脈沖神經元，包括：根據第三脈沖時空數據計算出第二電流信號；利用軸突模塊中目標軸突的延遲系數對第二電流信號進行處理，得到延時處理后的第二電流信號；將延時處理后的第二電流信號確定為第四脈沖時空數據，并將第四脈沖時空數據發送至下一脈沖神經元。