一种基于掩码机制和自适应阈值调节的脉冲神经网络稀疏化方法

本发明公开了一种基于掩码机制和自适应阈值调节的脉冲神经网络稀疏化方法，属于神经形态计算与深度学习技术领域。本发明针对现有脉冲神经网络中冗余脉冲数量多且能效受限的问题，提出了一种生物启发的块状掩码机制与自适应阈值调节策略相结合的方法，以实现神经网络的能效平衡。首先，采用基于生物量子突触失效理论设计的块状掩码机制，对脉冲序列进行空间局部化掩码处理，减少冗余脉冲。随后，通过轻量化策略网络动态调整神经元发放阈值，实现不同神经元动态异质化调节。最终，通过块状掩码与自适应阈值策略的协同作用，在有效减少脉冲数量与降低能耗的同时，保持甚至提升网络性能。本发明提出的方法能够显著降低脉冲神经网络的计算能耗与冗余开销，适用于资源受限设备上的低功耗智能感知任务。