一种具有生物合理性的分层局部混合损失脉冲神经网络训练算法

本发明公开了一种具有生物合理性的分层局部混合损失脉冲神经网络训练算法，包括：步骤1，对数据集进行数据预处理；步骤2，定义基于软重置的LIF脉冲神经元模型和直接编码的脉冲编码方式；步骤3，为脉冲神经网络每一层构建辅助分类器，并计算交叉熵预测损失；步骤4，分别计算隐藏层特征和对应标签的相似度矩阵，进而计算相似度矩阵之间的相似度匹配误差；步骤5，定义其他类型损失函数，主要是对比损失等；步骤6，按照设定的加权系数，对不同类型的损失加权组合，得到混合局部损失函数；步骤7，用混合损失计算当前层的梯度，进行局部权重更新；步骤8，保存训练好的模型，在分类任务上评估准确率，比较得出最佳的混合损失模型。