1、神經資訊的編碼與解碼方法：
由於脈衝神經網路的輸入輸出是脈衝序列，不能直接進行模擬量的計算，首先要考慮的問題是神經資訊的編碼與解碼機制．編碼是指將樣本資料或刺激訊號轉換為脈衝序列，而解碼是編碼的逆向過程，是將脈衝序列對映為輸出結果或特定反應． 目前，研究者借鑑生物神經元對特定刺激訊號的編碼機制，除了神經資訊的頻率編碼外，給出了延遲編碼、相位編碼、time-to-first-spike 編碼、bsa(bens spike algorithm)編碼等時間編碼策略。
2、神經元模型與網路模擬策略：
脈衝神經元是構成脈衝神經網路的基本單元，根據複雜程度將脈衝神經元的計算模型分為具有生物可解釋性的生理模型、具有脈衝生成機制的非線性模型和具有固定閾值的線性模型三類。由於脈衝神經元被表示為由連續系統和離散脈衝事件構成的混合系統，脈衝神經網路的模擬不同於傳統的人工神經網路，一般採用時鐘驅動或事件驅動模擬策略，而且研究結果表明，不同的神經元模型及模擬策略影響脈衝神經網路的動態特性與學習效能。
3、脈衝序列的相似性度量方法：
脈衝序列的相似性度量是對脈衝序列相似程度的定量計算方法，研究者已經給出了不同的度量方法。 在脈衝神經網路的監督學習過程中，需要對目標脈衝序列和實際輸出脈衝序列進行相似性度量，即計算它們的誤差． 通過脈衝序列誤差的計算，一方面用於衡量監督學習的精度，當誤差小於給定值時，結束學習迭代的過程;另一方面，在有些監督學習(如梯度下降學習)演算法中，通過定義特定的誤差函式，將其應用於學習規則的推導．
脈衝神經網路 光晶元上的全光脈衝神經網路
nature昨天刊登了德國明斯特大學的一篇最新進展，研究人員在光晶元上實現了脈衝神經網路 spike neural network 先睹為快，這篇筆記主要介紹下這篇進展。研究人員將氮化矽波導與相變材料結合，實現了監督式和非監督式的機器學習，並演示了對15個畫素的模式識別。關於相變材料 phase c...
脈衝神經網路SNN學習
由於事件相機原理的非同步性，同樣時空性的脈衝神經網路可能更適合基於事件相機的一系列處理。本人對神經網路了解的較少，此部落格僅作為自己學習記錄所用。目前常用的cnn rnn等神經網路是第二代神經網路，而脈衝神經網路snn屬於第三代神經網路模型，為了減小神經科學與機器學習之間的差距，snn使用最擬合生物...
課程學習 脈衝耦合神經網路
title 原影象 subplot 2,3,2 data rgb2gray data imhist uint8 data title 1d直方圖 title 原影象 subplot 2,3,5 data1 rgb2gray data1 imhist uint8 data1 title 1d直方圖 d...