《新型脉冲神经网络及其相变材料实现的仿真》由会员分享，可在线阅读，更多相关《新型脉冲神经网络及其相变材料实现的仿真（117页珍藏版）》请在金锄头文库上搜索。
1、密级：中国科学院大学U n i v e r s i t yo fC h i n e s eA c a d e m yo fS c i e n c e s硕士学位论文培养单位：2 0 1 3 年5 月B yW a n gH a oAD i s s e r t a t i o nS u b m i t t e dt oU n i v e r s i t yo fC h i n e s eA c a d e m yo fS c i e n c e sI np a r t i a lf u l f i l l m e n to ft h er e q u i r e m e n tF o rt h e
2、d e g r e eo fD o c t o r M a s t e ro fM a s t e ro fE n g i n e e r i n gS h a n g h a iI n s t i t u t eo fO p t i c sa n dF i n eM e c h a n i c sM a y , 2 0 1 3中国科学院上海光学精密机械研究所硕士学位论文2 0 1 3 年5 月9日独创性声明本人声明所呈的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他入已经发表或撰写过的研究成果，也不包含为获得中国科学院
3、上海光学精密机械研究所或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究工作所做的任何贡献，均已在论文中做了明确的说明并表示谢意。学位论文作者签名；丝签字日期：夕移年6 月 日学位论文版权使用授权书本学位论文作者完全了解中国科学院上海光学精密机械研究所有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和电子文件，允许论文被查阅和借阅。本人授权中国科学院上海光学精密机械研究所可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书)学位论文作者签名：夏笑签字日期：
4、爿；年月7 日学位论文作者毕业去向：工作单位：通信地址：电子邮件地址：电话：邮编：7b 氏月亥1 年名引戳必师期教日导字匕日窿指签脉冲神经网络及其相变材料实现的仿真研究王昊新型脉冲神经网络及其相变材料实现的仿真王吴导师：阮吴研究员摘要人工神经网络的研究起于1 9 4 3 年，大规模的神经网络由数量众多的神经元组成，这些神经元彼此之间相互连接，通过一定的算法可以使其具备认知能力。认知能力是神经网络要解决的中心问题，而识别则是神经网络应具备的基础能力。传统的人工神经网络，诸如B P ( B a c k - P r o p a g a t i o n ) 、R B F ( R a d i a lB
5、a s i sF u n c t i o n ) 、S V M ( S u p p o r t V e c t o r M a c h i n e ) 等神经网络，已经是很成熟的神经网络，它们在识别和认知方面有着大量成熟的算法，而且现在应用得非常广泛，它们可以很好的解决一些模式识别的问题。而被誉为第三代神经网络的脉冲神经网络S p i k i n gN e u r a lN e t w o r k ( S N N ) 是建立在真实的生物神经元基础之上的。本文提出了一种动态脉冲响应神经元模型D S R M ( D y n a m i cS p i k eR e s p o m eM o d e
6、l ) ，该神经元模型是以S R M ( S p i k eR e s p o n s eM o d e l ) 模型为基础而改进的，本文基于D S R M 神经元模型构建了具有无监督S T D P ( S p i k e - T i m i n gD e p e n d e n tP l a s t i s t i y ) 学习方式的脉冲神经网络。通过对脉冲神经网络的训练以及输出层神经元之间的竞争使网络具有识别能力。除此之外，本文还介绍了相变材料的电学特性，并利用其电学特性对S T D P 学习方式进行了仿真。本文首先阐述了组成脉冲神经网络的神经元的模型，而后详细介绍了构建脉冲神经网络的算法
7、，并使神经网络对英文字符和二维码分别进行识别。通过无监督S T D P 学习方式对脉冲神经网络进行训练来达到输入神经元与输出神经元之间权重的收敛，输出神经元之间的竞争采用胜者为王的竞争策略使其与待识别模式建立对应关系，在识别过程中权重并不做更新，这使得识别的过程基本可以达中国科学院上海精密机械研究所硕士研究生毕业论文2 0 l3到实时。最终把相变材料电学特性仿真的S T D P 学习过程添加到D S R M 神经元模型中。关键字：脉冲神经网络，相变材料，动态脉冲响应神经元模型D S R M ，无监 督S T D P 学习方式，胜者为王U脉冲神经网络及其相变材料实现的仿真研究王昊N e wT y
8、 p eS p i k i n gN e u r a lN e t w o r ka n dC o m p l e t i o n S i m u l a t e db yP h a s e - C h a n g eM a t e r i a lH a oW a n g D i r e c t e db y ：P r o f e s s o rH a oR u a nA b s t r a c tT h er e s e a r c ho fA r t i f i c i a lN e u r a lN e t w o r kb e g i n sf r o m1 9 4 3 ，al a r
9、 g e - s c a l e dn e u r a ln e t w o r kc o m p s e do fh u n d r e d so ft h o u s a n d so fn e u r o n sc a nb ep r ov i d e dw i t ht h ea b i l i t yo f c o g n i t i o nt h r o u g ht r a i n i n g T h em a i np r o b l e ma t t e m p t i n gt ob es o l v e db yn e u r a ln e t w o r ki sc o
10、 g n i t i o n , a n dt h ep r i n c i p a lc a p a c i t yo f n e u r a ln e t w o r ki sc o g n i t i o n T r a d i t i o m ln e u r a ln e t w o r k s ，s u c ha sB P ( B a c k - P r o p a g a t i o n ) ，R B F ( R a d i a lB a s i sF u n c t i o n ) ，S V M ( S u p p o r tV e c t o rM a c h i n e )
11、 ，i nw h i c ha1 a r g en u m b e ro fm a t u r ea l g o r i t h mc a nb eu t i l i z e d ，h a v eb e e ng r e a t l ya c c e p t a b l ei nt h ef i e l do fp a t t e r nr e c o g n i t i o n S p i k i n gN e u r a lN e t w o r k ( S N N ) ，t h et h i r dg e n e r a t i o no fn e u r a ln e t w o r
12、k ，i se s t a b l i s h e di na c c o r d a n c ew i t hb i o l o g i c a ln e u r o n s T h ep r e s e n tp a p e ru s e sD S R M ( D y n a m i cS p i k eR e s p o n s eM o d e l ) m o d e lw h i c hi si m p r o v e db yS R M ( S p i k eR e s p o n s eM o d e l ) e q u i p p e dw i t hS T D P ( S p
13、 i k e - t i m i n gD e p e n d e n tP l a s t i s i t y ) l e a r n i n gr u l et ob u i l daS p i k i n gN e u r a lN e t w o r k T h eS N NC a r lh a v et h ea b i l i t yo f p a t t e r nc o g n i t i o nt h o u g ht r a i n i n ga sw e l la sc o m p e t i t i o no f o u t p u tn e u r o n s A d
14、 d i t i o n a l l y , t h ep a p e ri n t r o d u c e st h ee l e c t r o n i cc h a r a c t e r i s t i co fP h a s e - C h a n g eM a t e r i a la n ds i m u l a t e st h eS T D Pl e a r n i n gr u l eu s i n gt h i se l e c t r o n i cc h a r a c t e r i s t i c W ef i r s ti n t r o d u c et h
15、ei m p r o v e dSR Mm o d e lt h e ni l l u s t r a t et h ea l g o r i t h m st oe s t a b l i s ht h en e t w o r k ，a n df i n a l l yw eu s et h eS N Nt oi d e n t i f yl e t t e r sa n dt w o - d i r n e n s b nc o d e T h ew e i g h tb e t w e e ni n p u ta n do u t p u tn e u r o n sc a nb ec
16、 o n v e r g e n tt h r o u g ht r a i n i n g , a n dt h ec o m p e t i t i o na m o n go u t p u tn e u r o n su t i l i z ew i n n e r t a k e s a l ls t r a t e g yt os e t u pt h ec o r r e s p o n d e n c ew i t ht h ep a t t e r nb e i n gi d e n t i f i e d I nt h ei d e n t i f i c a t i o ns t a g e ，w e i g h ti s1 1 0l o n g e rr e f i e s h e d ，b yw h i c ht h eS N Nc a l lm e e tt h eI I I中国科学院上海精密机械研究所硕士研究生毕业论文2 0 l3q u a l i f i c a t i o no fr e a b t i
