控制理论与应用

作者：吴一凡,陈云华,张灵,陈平华

单位：广东工业大学,广东工业大学,广东工业大学,广东工业大学

关键词：反馈神经网络; 储备池计算; 脉冲神经网络; 生物真实性; 液体状态机; 小样本学习

基金：广东省自然科学基金项目(2016A030313713), 广东省交通运输厅科技项目(科技??2016??02??030)资助.

由于具有高度的生物真实性, 液体状态机在抗噪性、鲁棒性方面相对于人工神经网络具有更大的优势, 但也更难优化. 采用人工神经网络思想对液体状态机进行的优化, 牺牲了生物真实性和网络泛用性的同时, 并不能保证优化的有效性; 而依据生物神经系统内抽象出的规律进行储备池的优化, 则优化算法非常复杂. 为了提高储备池的泛用性和抗噪性, 同时避免复杂的优化过程, 本文模拟大脑中普遍存在的各神经元集群间的非局部连接分布—伽马分布来生成储备池的权值, 生成一个具有更高生物真实性、隐含功能柱结构的储备池. 首先, 通过对储备池活动和储备池进行Lempel-Ziv复杂度分析, 从理论上说明该种储备池权值生成方式的优势; 然后, 通过与脉冲时序可塑性算法(STDP)和高斯分布等进行对比实验, 证明本文采用伽马分布生成的储备池具有更高的准确度和更强的抗噪性.

来源：2020年第6期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第6期