一种基于3D离散小波变换的脉冲神经网络的分类方法

本发明公开了一种基于3D离散小波变换的脉冲神经网络的分类方法，特点是待训练的脉冲神经网络模型主要通过将多级3D离散小波变换引入脉冲神经网络，在时空维度上将样本特征解耦为多尺度、多方向的频谱分量，训练过程的最后将结合模型浅层的局部细节特征提取的全局特征输入分类层，得到预测分类结果，随后根据损失函数通过反向传播更新待训练的脉冲神经网络模型得到训练后的脉冲神经网络模型；最后得到待分类目标数据集的分类结果；优点是通过将基于3D离散小波变换的频域层部署在网络浅层，将基于脉冲神经网络的自注意力层部署在网络深层，充分提取局部细节特征能力和全局建模能力，使训练后的脉冲神经网络模型输出的分类结果更加精准。