脉冲神经网络2: SNN的仿真介绍

最新推荐文章于 2024-03-21 16:06:09 发布
最新推荐文章于 2024-03-21 16:06:09 发布
阅读量4.4k 收藏 50
点赞数 7
分类专栏： 脉冲神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41701476/article/details/96155108
版权
本文介绍了脉冲神经网络（SNN）的仿真过程，包括感受野、脉冲序列产生、SNN训练以及STDP算法。在训练中，SNN使用STDP学习网络权重，采用‘赢家通吃’策略进行分类。文章通过二分类和多分类数据集的实例演示，展示了SNN在图像分类中的应用，并讨论了训练参数的重要性。
摘要由CSDN通过智能技术生成

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

最低0.47元/天 解锁文章
IC_DESIGNER_XZK
关注
专栏目录
脉冲神经网络2：SNN的仿真3-生成输入层序列
weixin_41701476的博客
07-17 1772
上一个博客说明了将原始图片转化感受野的图片 这一节说明如何将图片对应的灰度值转化为脉冲序列 import numpy as np from numpy import interp T = 150 # 时钟周期为150，在150个cycle中产生脉冲 # 定义将图片像素值转化为脉冲的函数encode def encode(pot): # 假设所有的点对应的像素点对应一个二元数组tr...
脉冲神经网络2：SNN的仿真2—感受野
weixin_41701476的博客
07-16 1320
import imageio import numpy img = imageio.imread("data/training/{}.png".format(0)) print(img) # 定义感受野函数为rf # 接受野的卷积 def rf(inp): sca1 = 0.625 sca2 = 0.125 sca3 = -0.125 sca4 = -.5 # 感受野核函数...
snn相关内容记录
qq_46806752的博客
03-21 349
仅记录一下个人学习过程中接触到的一些代码和论文，谨防自己在学习过程中发生混淆。
NEST脉冲神经网络仿真手册例程合辑
10-08
自己从官网和手册中整理的例程文件合辑，也有自己添加的注释 example 里是自己整理的四个介绍文档对应的程序以及官网例程对应的.ipynb文件 examples 里是官网提供镜像中关于NEST仿真的例程 https://blog.csdn.net/qq_39295220/article/details/108960005
bindsnet：使用PyTorch模拟尖峰神经网络（SNN）
02-04
一个Python软件包，用于使用 Tensor功能在CPU或GPU上模拟尖峰神经网络（SNN）。 BindsNET是一个尖刺的神经网络仿真库，旨在开发用于机器学习的受生物启发的算法。 该软件包被用作正在进行的研究的一部分，该研究在中将SNN应用于机器学习（ML）和强化学习（RL）问题。 查看，以获取实验集合，结果分析功能，实验结果图等。 该软件包的文档可以在找到。 要求 Python 3.6 requirements.txt 设置东西 使用点子 BindsNET可通过其git存储库获得。 问题 pip install git+https://github.com/BindsNET/bi
基于matlab的第三代SNN脉冲神经网络的仿真,含仿真操作录像
04-04
1.版本：matlab2021a，包含仿真操作录像，操作录像使用windows media player播放。 2.领域：SNN脉冲神经网络 3.内容：基于matlab的第三代SNN脉冲神经网络的仿真。 epoch = T/ms; for i = 1:floor(epoch/4) for j = 1:4 loc = fix(4*(i-1)*ms + find(input(1,:) == 1) * ms); inputSpikes(1, loc) = 1; loc = fix(4*(i-1)*ms + find(input(2,:) == 1) * ms); inputSpikes(2, loc) = 1; loc = fix(4*(i-1)*ms + find(output(1,:) == 1) * ms); outputSpikes(1, loc) = 1; 4.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。
第三代SNN脉冲神经网络中IF-Neurons神经元的MATLAB模拟和仿真,含仿真操作录像
04-06
2.领域：SNN脉冲神经网络 3.内容：第三代SNN脉冲神经网络中IF_Neurons神经元的MATLAB模拟和仿真。SNN脉冲神经网络中IF_Neurons神经元的MATLAB仿真 RI =I_e_vect(i)*R_m; if (V_vect(i) > V_th) %cell spiked ...
第三代神经网络SNN脉冲神经网络中integrate-and-fire神经元matlab仿真测试,包含仿真操作录像，中文注释
04-21
3.内容：第三代神经网络SNN脉冲神经网络中integrate-and-fire神经元matlab仿真测试。 Ni=15; %最大外部电流水平数目用于I-O曲线 del_I=2; %两个外部电流之间的差值（Iext=del_I * i，i=0,1,...,Ni） del_T=0.1; % ...
SNN脉冲神经网络开源模拟器 The Brian Simulator 仿真指南
05-20
官网指南的翻译版本，包括我翻译好的ipynb文件，源文件，pdf文件，markdown文件，整理好导出的Word文件。 源网址https://brian2.readthedocs.io/en/stable/resources/tutorials/1-intro-to-brian-neurons.html 我翻译后的博客地址：https://blog.csdn.net/qq_39295220/article/details/116991641?spm=1001.2014.3001.5501
脉冲神经网络Python可运行实例
04-03
脉冲神经网络亲测运行实例，Python版本的，正确不用调，所用的神经元模型为IF模型，进行STDP无监督学习，数据集为MNIST，可供学习。
snn_toolbox:用于将模拟转换为尖峰神经网络（ANN到SNN）并在尖峰神经元模拟器中运行它们的工具箱
05-05
尖峰神经网络转换工具箱 SNN转换工具箱（SNN-TB）是一个框架，可将基于速率的人工神经网络转换为尖峰神经网络，并使用各种峰值编码来运行它们。 SNN-TB的一个独特功能是，它接受来自许多不同的深度学习库（Keras / TF，pytorch等）的输入模型，并为多个后端提供接口以进行仿真（pyNN，brian2等）或部署（SpiNNaker，Loihi）。 请参考以获取完整的用户指南和API参考。 另请参阅随附的文章和 。
【SNN脉冲神经网络】SNN脉冲神经网络的工作原理演示MATLAB仿真带GUI界面
FPGA/MATLAB学习教程/源码/项目合作开发
04-06 1252
clc;clear all;close all; % 初始参数 I = 10; sigma = 0.04;beta = 5;gamma = 140; a = 0.02;b = 0.2; c = -65;d = 2; % 步长，改进欧拉法的相关参数 step = 0.1; timeConter = 0:step:1000; v = zeros(1,length(timeConter)); u = zeros(1,length(timeConter)); v(1) = -65;%v(2) = -60; ...
基于SNN脉冲神经网络中的IF神经元matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
07-14 1504
实现IF神经元脉冲的难点包括输入电流的计算、时钟同步、阈值选择、重置电位的确定以及衰减因子的选择。步骤二：脉冲发放 当膜电位超过一个阈值V_{\text{th}}时，IF神经元会发放一个脉冲，并将膜电位重置为一个初始值V_{\text{reset}}。其中，V(t)表示时间$t$时刻的膜电位，V(t-1)表示上一个时间步长的膜电位，I_i(t)表示来自第i个神经元的输入电流。其中，V_{\text{th}}表示阈值电位，V_{\text{reset}}表示脉冲发放后的重置电位。
【Python & Brain】SNN脉冲神经网络开源模拟器 The Brian Simulator 仿真指南
苏柒的博客
05-18 1968
前言 最近一直在看相关的内容，在官网的链接 ： Introduction to Brian part 1: Neurons Introduction to Brian part 2: Synapses Introduction to Brian part 3: Simulations 看网上也没有相关的内容，主要做了一些翻译和汉化的工作，时间也比较仓促，如果之后有时间的话再校正，如果不太通顺的地方敬请谅解，大体意思就是那样，有些专业名词可能我不是搞脑神经的，也不知道如何翻译合适，下面是具体内容。 目录前言第
实现SNN（对称近邻平滑滤波器）的代码
izhouxiaofei的博客
05-12 2912
要求：算法实现为函数[im]=SNN_denoise (I,N)，其中I为读入的图像矩阵； N为模板大小参数（正方形模板，边长为：2*N+1）。 参考测试代码：I = imread('peppers.png');im = SNN_denoise(I,2);figure,imshow(im) function [im]=SNN_denoise(I,N) % I = [1 3 2 3 2 1
SNN系列｜编码篇(1)频率编码
Tianlong Lee的博客
04-09 1万+
Frequency Coding 生物系统中触觉、听觉系统等都有实验表明，神经元的脉冲发放频率与外界刺激成正比，但是有饱和值。生物神经元脉冲一般1～2ms，因此，在编码过程中一般不超过1KHz。 生物能够做到快速识别信息，投射到视网膜接收器上的图像没几毫秒就发生一次变化，而这种编码方法必须要完全运行一整个时间窗才能读出编码信息，这显然是很不方便的。尽管该方法没有考虑时序信息，但因为其简单、易操作，...
脉冲神经网络（Spiking Neural Network，SNN）概述
热门推荐
h__ang的博客
05-24 3万+
主要讨论脉冲神经网络的拓扑结构、信息的脉冲序列编码方法、脉冲神经网络的学习算法和进化方法等。 一. 脉冲神经网络的拓扑结构 同传统的人工神经网络一样，脉冲神经网络同样分为三种拓扑结构。它们分别是前馈型脉冲神经网络（feed-forward spiking neural network）、递归型脉冲神经网络（recurrent spiking neural network）和混合型脉冲神经网络（hy...
【水果识别】基于matlab GUI形态学水果大小识别【含Matlab源码 920期】.md
10-15
CSDN Matlab武动乾坤上传的资料均有对应的代码，代码均可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 图像识别：表盘识别、车道线识别、车牌识别、答题卡识别、电器识别、跌倒检测、动物识别、发票识别、服装识别、汉字识别、红绿灯识别、火灾检测、疾病分类、交通标志牌识别、口罩识别、裂缝识别、目标跟踪、疲劳检测、身份证识别、人民币识别、数字字母识别、手势识别、树叶识别、水果分级、条形码识别、瑕疵检测、芯片识别、指纹识别
【瑕疵检测】基于matlab瓶盖瑕疵检测【含Matlab源码 730期】.md
最新发布
10-15
CSDN Matlab武动乾坤上传的资料均有对应的代码，代码均可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 图像识别：表盘识别、车道线识别、车牌识别、答题卡识别、电器识别、跌倒检测、动物识别、发票识别、服装识别、汉字识别、红绿灯识别、火灾检测、疾病分类、交通标志牌识别、口罩识别、裂缝识别、目标跟踪、疲劳检测、身份证识别、人民币识别、数字字母识别、手势识别、树叶识别、水果分级、条形码识别、瑕疵检测、芯片识别、指纹识别
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值