一种基于动态梯度调节的脉冲Transformer的图像分类方法及系统

本发明公开了一种基于动态梯度调节的脉冲Transformer的图像分类方法及系统，该方法包括：获取图像分类数据集并随机划分为训练集、测试集和验证集；通过设计MALIF神经元对SNN网络中的LIF神经元进行重构，并引入动态时间步长机制模块，以构建用于图像分类的脉冲Transformer模型，并使用训练集进行训练；其中MALIF神经元可学习膜电位时间常数和电压阈值，能够更好的利用时间和空间信息，该MALIF神经元能够高效的传递信息；利用训练好的脉冲Transformer模型获取待测试图像样本的分类结果。本发明适用于图像分类领域，减少了模型的训练时间，具有更优的性能，提高了预测精度和准确率。