SNN仿真器说明
仿真器使用STDP算法学习了网络的最佳权重,用于图片分类。仿真器使用“赢家通吃”策略来抑制非发放神经元产生分类结果。分类模式时涉及的步骤是:
- 对于每个输入,神经元膜电位在其感受野(5×5窗口)中计算
- 对于每个输入神经元生成脉冲序列,产生脉冲频率与膜电位成比例
- 对于每个图像,在每个时间步长,根据输入脉冲和相关权重更新神经元的电位
- 第一个发放输出神经元对其余的输出神经元进行横向抑制
- 仿真器检查输出脉冲
1.1 感受野
感受野是刺激导致特定感觉神经元反应的区域。在SNN的情况下,其中输入是图像,感知神经元的感受野是图像的增加其膜电位的部分。这里使用了中心(on center)感受野。
为了实现中心感受野,使用滑动窗口,其窗格根据窗口中心的[曼哈顿距离](https://xlinux.nist.gov/dads/HTML/manhattanDistance.html)进行加权。不同神经元的场是重叠的。
2. 产生脉冲序列
输入神经元层必须通过其感受野引起的刺