买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种图像平衡自稀疏编码的脉冲神经元模型及系统，通过引入神经内稳态可塑性机制，提出了一种新型的自稀疏漏‑积分放电神经元模型。所述模型能够通过比较自身膜电位与设定的放电阈值之间的差距，动态调整放电难度，从而实现自稀疏放电。本发明还进一步发展了平衡自稀疏漏‑积分放电神经元模型，该模型将膜电位时间常数作为可学习参数纳入学习过程，实现了对突触输入的敏感性和自稀疏放电活动的自适应平衡。通过应用平衡自稀疏漏‑积分放电神经元模型对静态图像和神经形态图像进行编码，本发明不仅提升了图像识别的准确率，还增强了系统的鲁棒性，适用于多种图像处理场景，特别是在边缘计算设备中的视觉任务处理。

主权项：1.一种基于脉冲神经元模型的图像处理和识别方法，其特征在于，包括以下实现方法步骤：S1：构建基于漏-积分放电原理的神经元模型进行初步处理，所述漏-积分放电原理的神经元模型通过自我评估神经元上一时刻的膜电位与放电阈值之间的差距，自适应增加放电难度，其充电行为遵循以下方程： ；其中，为上一时刻自身膜电位，为放电阈值，为膜电位时间常数，表示时 刻的突触输入，为调节增加放电难度的系数，取=0.2,为用来映射膜电位与放电 阈值之间差距的指数函数，为神经元未放电的膜电位； S2：引入平衡自稀疏漏-积分放电神经元模型实现自稀疏放电和对突触输入敏感性之间的平衡，通过动态调整膜电位时间常数，以达到输入信号变化下的自稀疏放电和突触输入敏感性之间的动态平衡，增强模型对图像特征的敏感度和识别能力，其引入所述平衡自稀疏漏-积分放电神经元模型的充电方程更新为： ;其中，为神经元未放电的膜电位，为上一时刻自身膜电位，为可学习膜电位 时间常数，为调节增加放电难度的系数，表示时刻的突触输入，是超参数，为放 电阈值，更新过程设，由于才有意义，故，取，为可学 习参数，是一个随变化的弹性函数，为自然数对数的底数，在反向传播中进行更 新，将此的变换引入漏-积分放电原理的神经元模型，更新为平衡自稀疏漏-积分放电神 经元模型，实现平衡自稀疏放电； S3：利用平衡自稀疏漏-积分放电神经元模型构建脉冲神经网络进行图像的编码和识别，所述脉冲神经网络通过模拟时间步长进行操作，所述脉冲神经网络结构包含二维卷积模块、批归一化层、脉冲神经元层以及全连接层，依次进行迭代以完成对输入图像的处理与识别。

全文数据：

权利要求：

百度查询： 深圳技术大学 一种基于脉冲神经元模型的图像处理和识别方法及系统