论文部分内容阅读
脑科学中有关Spiking神经网络(Spiking Neural Network, SNN)的研究已取得了大量的理论和实验成果,对人工智能计算的应用具有十分重要的启发意义。尤其是在实时系统和移动设备等低功耗领域的应用中前景广阔。本文通过结合脑科学、复杂网络理论和智能计算等领域,探讨了可塑性学习机制、突触信息整合、临界动力学特性与SNN计算性能之间的相互关系;并借鉴大脑初级视觉皮层的图像处理机制,实现了SNN在小样本数据下的高精度图像识别。该研究成果为缩小计算神经科学和人工智能之间的差距,实现SNN在智能计算上的应用具有重要理论研究意义及应用前景。