论文部分内容阅读
脉冲神经网络(Spiking Neural Network, SNN)有较强的生物可解释性,但因其训练算法尚不成熟而导致在复杂图像数据集上存在分类准确率不高、测试耗时过长等问题。针对上述问题,提出一种基于神经元转换方法的混合卷积脉冲神经网络,把卷积神经网络(Convolution Neural Network, CNN)的学习能力和特征提取能力应用于SNN。在CNN上完成训练过程后将权重映射到经过神经元转换的全连接层中,网络前期使用CNN以提取高层次图像特征信息,后期使用浅层的SNN进行分类以减少测