期刊专题

10.11896/jsjkx.220700181

基于蜂群优化的Spiking神经网络模型研究与评估

引用
为提高Spiking神经网络的训练能力,以多标签分类问题作为研究切入点,采用蜂群算法进行模型优化.基于Spiking理念的神经网络模型有多种,文中选择概率Spiking神经网络(Probabilistic Spiking Neural Network,PSNN)进行多标签分类.首先,建立概率Spiking神经网络分类模型,通过点火时间序列进行编码,触发脉冲响应实现数据传递;然后,利用Spiking神经网络的权重、动态阈值、遗忘参数等构建蜂群,并以多标签分类准确率作为人工蜂群(Artificial Bee Colony,ABC)算法的适应度函数,从而通过不断更新蜂群个体适应度值来获得最优个体;最后,以最优参数完成概率Spiking神经网络的多标签分类.实验结果表明,通过合理设置蜂群个体规模及蜜源搜索范围,ABC-PSNN算法能够获得较高的多标签分类准确率.相比其他Spiking神经网络模型和常用多标签分类算法,ABC-PSNN算法具备更高的分类准确率和稳定性.

Spiking神经网络、概率Spiking神经网络、蜂群算法、多标签分类、脉冲响应

50

TP3-05(计算技术、计算机技术)

2023-08-18(万方平台首次上网日期,不代表论文的发表时间)

共5页

221-225

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

50

2023,50(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn