基于宽度脉冲神经网络的图像分类模型的训练方法及设备

本申请公开了一种基于宽度脉冲神经网络的图像分类模型的训练方法及设备，获取训练样本集；根据样本图像，构建原始输入矩阵；通过特征层对原始输入矩阵进行特征提取，得到映射特征矩阵；通过脉冲编码层对映射特征矩阵进行编码，得到特征脉冲序列；通过脉冲增强层，根据特征脉冲序列生成增强脉冲序列；将特征脉冲序列和增强脉冲序列输入到脉冲输出层，通过脉冲输出层处理得到输出脉冲序列；输出脉冲序列用于表征样本图像对应的类别的预测结果；根据输出脉冲序列和输出矩阵，对图像分类模型中的参数进行更新，得到训练好的图像分类模型。该方法可以在低能耗的情况下高效训练图像分类模型，且预测的精度更好。本申请可广泛应用于人工智能技术领域内。