(HTM)nupic空间沉积池实现解读

(HTM)层次时序记忆-空间沉积池实现解读

如果你对HTM感兴趣，我建立了一个群，我们共同学习交流。515743445。

阅读本文前建议先阅读HTM白皮书(需要了解sp和tm的工作步骤)，以及论文The HTM Spatial Pooler-A Neocortical Algorithm for Online Sparse Distributed Coding

本文研究src/nupic/algorithms/spatial_pooler.py的代码实现

我们以Complete-algo-example.py为实例对其进行研究。该范例的数据来自gymdata.csv。这是一个关于不同时间consumption数据的文件。其日期部分使用DateEncoder转换为SDR，其consumption部分使用RandomDistributedScalarEncoder转换为SDR。合并后输入sp。该范例的参数存放在model.yaml中。需要注意，该文件中SDRClassifierFactory.create()可能由于配置问题存在错误，我们直接使用python实现的SDRClassifier。另外其使用的tm与opf中使用的是不同的版本，导致结果不同。

 

SpatialPooler主要包括两个方法。init方法接收入参，构造sp。compute方法接收一个sdr，并计算激活的列。（这里的列指圆柱区域）

 

Sp的一些重要入参包括：

InputDimensions=(946,)，一维，输入sdr的大小。默认(32,32)是二维的。

ColumnDimensions=(2048,),一维，输出sdr的大小，默认(64,64)是二维的。

PotentialRadius=16.指每一个列，可以建立前馈输入的范围（半径）。其实际效果是，每一个圆柱的潜在输入，在其与输入sdr的对应输入位的一定范围内。

PotentialPct=0.85 潜在突触范围内，85%是潜在输入。

GlobalInhibition=1使用全局抑制

lacalAreaDensity=-1.0 抑制范围内活跃列的密度，不启用