计算机工程与科学

作者：杨静, 徐彦, 姜赢

单位：1.北京师范大学人文和社会科学高等研究院，广东 珠海 519087；2.南京农业大学信息科技学院，江苏 南京 201195

关键词：脉冲神经元,高低阈值,梯度下降,抗噪能力,

基金：国家自然科学基金(31872847)

脉冲神经元的动态阈值学习算法在训练神经元的过程中通过改变阈值的大小，可以有效提高神经元的抗噪能力。然而，动态阈值的使用又会降低神经元的学习精度，且在与基于梯度下降的学习算法结合使用时容易导致神经元沉默。基于此，提出了一种改进的基于梯度下降的高低阈值抗噪算法，使用高低阈值来避免神经元的学习精度损失，并在神经元沉默时使用虚拟激发脉冲来继续学习过程，同时使用动态的学习速率来降低高低阈值对学习周期的影响程度。实验结果表明，该算法可以显著提高神经元的抗噪能力，并且能够保证学习精度和收敛速度，适用于基于梯度下降的脉冲神经元学习算法。

来源：2023年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第8期