一种基于时空原型的脉冲神经网络学习方法

本发明公开了一种基于时空原型的脉冲神经网络学习方法，首先构建基于时空原型的脉冲神经网络学习框架，根据需求搭建脉冲神经网络模型，并初始化模型参数，再将数据按时间顺序依次输入到模型中，对输入数据进行预处理，将其转换为适合SNN处理的脉冲序列，并提取输入脉冲序列的时空特征，输出对应的脉冲序列，与时空原型对比，计算损失值，最后使用原型学习框架优化模型参数和原型值，直到模型精度稳定或达到预设训练次数，输出模型和原型，完成基于时空原型的脉冲神经网络学习。本发明的方法借鉴小脑浦肯野细胞的模式识别机制，针对SNN的脉冲形式和时空动态特性，实现脉冲原型与SNN模型参数的联合优化，在保持优异性能的同时显著提升模型的鲁棒性。