基于时空自适应阈值的脉冲神经网络图像分类方法及系统

本发明公开了一种基于时空自适应阈值的脉冲神经网络图像分类方法及系统，主要解决现有技术非线性表达差、时序与空间特征处理能力受限的问题，其方案包括：获取图像数据集，划分训练集和测试集；选用包含输入层、隐藏层和输出层的脉冲神经网络主体结构，通过引入时空联合阈值调节机制对现有的神经元模型进行改进，将改进后的神经元置于隐藏层中的每个神经元层中，构成基于时空自适应阈值的脉冲神经网络，并利用训练集对其进行迭代训练；将测试集输入到训练好的脉冲神经网络得到图像分类结果。本发明通过引入时空自适应阈值机制，可通过动态调整阈值以适应时间和空间特征，显著提升网络对时序数据和复杂特征的处理能力和图像的分类准确率，可广泛应用于动态视觉任务和事件驱动场景。