典型文献
基于注意力机制卷积脉冲神经网络的目标识别方法
文献摘要：
针对传统人工神经网络因采用反向传播导致学习效率低、网络训练耗时长等问题,提出了一种基于注意力机制的卷积脉冲神经网络(Attention Mechanism-based Convolutional Spiking Neural Networks,AMCSNN),设计了一种高斯差分时序编码方法将目标的视觉特征编码为脉冲序列,进而加入卷积注意力模块来提取高维特征,最后,采用无监督脉冲时序相关可塑性和有监督支持向量机相结合的方法进行目标学习和分类.在MNIST和Caltech数据集上的仿真实验表明,提出的AMCSNN网络具有较强的生物合理性优势,在保证识别率的同时,具有较高的学习效率和较短的网络训练耗时.
文献关键词：
脉冲神经网络;脉冲时序相关可塑性;注意力机制;目标识别
中图分类号：
作者姓名：
张军军
作者机构：
西安工程大学计算机科学学院 西安 710048
文献出处：
引用格式：
[1]张军军-.基于注意力机制卷积脉冲神经网络的目标识别方法)[J].计算机与数字工程,2022(09):1956-1961
A类：
AMCSNN,脉冲时序相关可塑性
B类：
注意力机制,脉冲神经网络,目标识别方法,传统人工,人工神经网络,反向传播,学习效率,网络训练,Attention,Mechanism,Convolutional,Spiking,Neural,Networks,高斯差分,时序编码,编码方法,视觉特征,特征编码,脉冲序列,卷积注意力模块,高维特征,无监督,督脉,有监督,目标学习,MNIST,Caltech,识别率
AB值：
0.416033
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
