[發明專利]一種基于卷積神經網絡的視網膜神經元編碼方法

在審

• 申請號: 202011247677.7
• 申請日: 2020-11-10
• 公開（公告）號: CN112329795A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 余肇飛;賈杉杉;鄭雅菁;劉健
• 申請（專利權）人: 之江實驗室
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 楊小凡

1.一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于包括如下步驟：

S1，獲取神經節細胞刺激數據及其對應的響應數據；

S2，構建CNN模型進行訓練，包括如下步驟：

S21，神經節細胞刺激數據輸入第一層卷積層，公式如下：

表示ReLU激活函數，conv表示卷積操作，S為神經節細胞刺激數據，W¹為第一層的卷積核，b¹為第一層的偏置，Y¹為第一層的輸出；

S22，第一層卷積層的輸出輸入第二卷積層，公式如下：

W²為第二層的卷積核，b²為第二層的偏置，Y²為第二層的輸出；

S23，第二層卷積層的輸出輸入全連接層，公式如下：

W³為連接權重，b³為偏置，為輸出；

S24，將輸出與響應數據進行比較，優化CNN模型的輸出；

S3，通過訓練好的CNN模型，預測神經節細胞的響應數據。

2.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述S24，通過泊松損失函數進行比較，使輸出與響應數據Y逐漸匹配，泊松損失函數公式如下：

3.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述響應數據為脈沖響應數據，輸出為發放率，通過泊松生成器進行泊松采樣產生脈沖數據，將與脈沖響應數據Y進行比較，優化CNN模型的輸出。

4.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述

S1，構建兩層線性非線性模型，輸入神經節細胞刺激數據生成模擬神經節細胞響應數據，包括如下步驟：

S11，神經節細胞刺激數據輸入第一層，第一層包括一組時空感受野和非線性的子單元，對子單元的權重進行加權求和；

S12，將加權求和結果輸入第二層，第二層包括非線性和隨機生成器，模擬神經節細胞，隨機生成器用于生成響應數據。

5.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述S1，通過真實生理數據采集，獲取神經節細胞刺激數據及其對應的響應數據。

6.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述S3，輸入神經節細胞刺激數據后，預測同一刺激類型下，本神經節細胞的響應數據。

7.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述S3，輸入神經節細胞刺激數據后，預測同一刺激類型下，不同神經節細胞的響應數據。

8.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于所述S3，輸入神經節細胞刺激數據后，預測不同刺激類型下，本神經節細胞的響應數據。

9.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于還包括S4，通過訓練好的CNN模型的第一層卷積核，推斷出該神經節細胞與其相連的上游子單元的時空感受野。

10.如權利要求1所述的一種基于卷積神經網絡的視網膜神經元編碼方法，其特征在于通過計算皮爾遜相關系數以衡量CNN模型的性能；采用Adam算法優化CNN模型的輸出。