[go: up one dir, main page]

CN117521741A - 基于事件驱动的突触更新方法及装置 - Google Patents

基于事件驱动的突触更新方法及装置 Download PDF

Info

Publication number
CN117521741A
CN117521741A CN202311236802.8A CN202311236802A CN117521741A CN 117521741 A CN117521741 A CN 117521741A CN 202311236802 A CN202311236802 A CN 202311236802A CN 117521741 A CN117521741 A CN 117521741A
Authority
CN
China
Prior art keywords
neuron
synaptic
target
neurons
event
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311236802.8A
Other languages
English (en)
Inventor
王超名
吴思
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jusheng Intelligent Technology Co ltd
Original Assignee
Peking University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University filed Critical Peking University
Priority to CN202311236802.8A priority Critical patent/CN117521741A/zh
Publication of CN117521741A publication Critical patent/CN117521741A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Neurology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于事件驱动的突触更新方法及装置，涉及大脑仿真和类脑智能技术领域，方法包括：对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元；根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重；基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。本发明通过对神经元进行检测，以获取产生脉冲事件的目标神经元，从而确保在脉冲到达时，才更新突触输入，既能够模拟神经元之间脉冲事件所驱动的信息传递和交流，显著提高计算效率，又具备低功耗、高实时性和高能效比等优点。

Description

基于事件驱动的突触更新方法及装置
技术领域
本发明涉及大脑仿真和类脑智能技术领域，尤其涉及一种基于事件驱动的突触更新方法及装置。
背景技术
突触是神经元之间在功能上发生联系的部位，也是神经元之间信息传递和交流的关键结构，与神经网络的性能密切相关。在大脑仿真和类脑智能领域中，突触计算是模拟神经元之间的连接和信息传递过程的关键部分，其中，核心的技术挑战是如何实现基于稀疏连接的、脉冲事件驱动的、高效突触信息传递。
目前，基于事件的突触计算方法已成为脑仿真和类脑计算领域的研究热点之一，该方法能够模拟神经元之间脉冲事件所驱动的信息传递和交流，只在脉冲到达时才执行计算，从而显著提高计算效率，具备低功耗、高实时性和高能效比等优点。现有的突触计算系统大多数依赖于时钟驱动或基于速率的方法，然而这些方法均具有较高的计算开销和能效比。
发明内容
本发明提供一种基于事件驱动的突触更新方法及装置，用以解决现有技术中突触计算开销较高且能效比较差的缺陷，能够模拟神经元之间脉冲事件所驱动的信息传递和交流，确保仅在脉冲到达时才执行计算，从而显著提高计算效率，降低了功耗，提高了实时性和能效比等优点。
本发明提供一种基于事件驱动的突触更新方法，包括：对在先创建的神经元群进行检测，得到目标神经元；其中，所述目标神经元为产生脉冲事件的神经元；根据所述目标神经元，并结合预设神经元连接信息，得到所述目标神经元相邻靶神经元的连接索引和突触权重；基于所述目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
根据本发明提供的一种基于事件驱动的突触更新方法，所述基于所述目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入，包括：基于所述目标神经元对应的连接索引，得到对应突触输入；根据所述目标神经元对应的突触权重，对对应突触输入进行更新。
根据本发明提供的一种基于事件驱动的突触更新方法，所述对在先创建的神经元群进行检测，得到目标神经元，包括：
获取在先创建的神经元群中神经元的膜电位信号；
判断所述膜电位信号是否超出预设膜电位阈值，并基于所述膜电位信号超出所述预设膜电位阈值，将对应神经元作为目标神经元；或者，获取在先创建的神经元群中神经元的发放频率信号；其中，所述发放频率信号用于随机产生脉冲；判断所述发放频率信号是否超出预设频率阈值，并基于所述发放频率信号超出所述预设频率阈值，将对应神经元作为目标神经元。
根据本发明提供的一种基于事件驱动的突触更新方法，在所述对在先创建的神经元群进行检测，得到目标神经元之前，包括：获取在先创建的神经元群中神经元的输入信号；判断所述输入信号是否大于预设信号阈值，并基于大于，激活对应神经元，并触发脉冲事件。
根据本发明提供的一种基于事件驱动的突触更新方法，所述获取在先创建的神经元群中神经元的输入信号，包括：获取在先创建的神经元群中神经元基于至少一个突触接收的初始信号；将所述神经元接收的初始信号进行叠加处理，得到对应输入信号。
根据本发明提供的一种基于事件驱动的突触更新方法，在所述根据所述目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重之前，包括：创建事件驱动的突触连接；其中，所述突触连接是基于源神经元及其相邻靶神经元的连接创建的；基于构建的事件驱动的突触连接，获取所述源神经元及其相邻靶神经元之间的突触连接信息，所述突触连接信息包括所述源神经元及其相邻靶神经元之间突触的连接索引和突触权重；将所述突触连接信息存储至对应源神经元中。
根据本发明提供的一种基于事件驱动的突触更新方法，在所述基于所述目标神经元相邻靶神经元的连接索引和所述突触权重，得到对应突触输入之后，包括：根据更新后的突触输入，更新对应目标神经元相邻靶神经元的状态。
本发明还提供一种基于事件驱动的突触更新装置，包括：脉冲事件检测模块，对在先创建的神经元群进行检测，得到目标神经元；其中，所述目标神经元为产生脉冲事件的神经元；神经元信息获取模块，根据所述目标神经元，并结合预设神经元连接信息，得到所述目标神经元相邻靶神经元的连接索引和突触权重；突触输入更新模块，基于所述目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于事件驱动的突触更新方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于事件驱动的突触更新方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于事件驱动的突触更新方法的步骤。
本发明提供的基于事件驱动的突触更新方法及装置，通过对神经元进行检测，以获取产生脉冲事件的目标神经元，从而确保在脉冲到达时，才更新突触输入，既能够模拟神经元之间脉冲事件所驱动的信息传递和交流，显著提高计算效率，又具备低功耗、高实时性和高能效比等优点。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于事件驱动的突触更新方法的流程示意图；
图2是本发明提供的基于事件驱动的突触更新方法与传统稠密矩阵算子、稀疏矩阵算子之间的速度对比；
图3是本发明提供的基于LIF和HH神经元模型的兴奋-抑制平衡网络在不同平台和方法上的速度对比示意图；
图4是本发明提供的基于事件驱动的突触更新装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了一种基于事件驱动的突触更新方法的流程示意图，该方法包括：
S11，对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元；
S12，根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重；
S13，基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
需要说明的是，本说明书中的S1N不代表基于事件驱动的突触更新方法的先后顺序，下面具体结合图2-图3描述本发明的基于事件驱动的突触更新方法。
步骤S11，对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元。
在本实施例中，对在先创建的神经元群进行检测，得到目标神经元，包括：获取在先创建的神经元群中神经元的膜电位信号；判断膜电位信号是否超出预设膜电位阈值，并基于膜电位信号超出预设膜电位阈值，将对应神经元作为目标神经元。
在另一个可选实施例中，对在先创建的神经元群进行检测，得到目标神经元，还包括：获取在先创建的神经元群中神经元的发放频率信号；其中，发放频率信号用于随机产生脉冲；判断发放频率信号是否超出预设频率阈值，并基于发放频率信号超出预设频率阈值，将对应神经元作为目标神经元。
在一个可选实施例中，在对在先创建的神经元群进行检测，得到目标神经元之前，包括：获取在先创建的神经元群中神经元的输入信号；判断输入信号是否大于预设信号阈值，并基于大于，激活对应神经元，并触发脉冲事件。
更进一步地说，获取在先创建的神经元群中神经元的输入信号，包括：获取在先创建的神经元群中神经元基于至少一个突触接收的初始信号；将神经元接收的初始信号进行叠加处理，得到对应输入信号。
步骤S12，根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重。
需要说明的是，预设神经元连接信息包括神经元及其相连靶神经元之间突触的连接索引和突触权重。本实施例中，预设神经元连接信息可以预先基于神经元以及与该神经元相连靶神经元之间的突触设置对应索引和权重，如下表1：
表1连接信息，其中a,b,c,d,…表示神经元索引位置。
在一个可选实施例中，在对在先创建的神经元群进行检测，得到目标神经元之前，包括：对建模的大脑网络划分为不同的神经元群，创建神经元群两两相互之间的突触连接，并确定神经元的动力学与突触的动力学方程，从而便于后续基于划分好的神经元群与突触连接进行脑动力学仿真。需要说明的是，神经元的动力学与突触的动力学方程可以参照现有手段，此处不作进一步地阐述。
进一步地，在根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重之前，包括：创建事件驱动的突触连接；其中，突触连接是基于源神经元及其相邻靶神经元的连接创建的；基于构建的事件驱动的突触连接，获取源神经元及其相邻靶神经元之间的突触连接信息，突触连接信息包括源神经元及其相邻靶神经元之间突触的连接索引和突触权重；将突触连接信息存储至对应源神经元中。需要说明的是，通过构建每一对神经元群之间(源神经元群、靶神经元群)的突触连接信息，以记录存在连接的源神经元及其相邻靶神经元的索引以及每个索引对应的连接权重，从而节省内存，提高后续计算的优势。步骤S13，基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
在本实施例中，基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入，包括：基于目标神经元对应的连接索引，得到对应突触输入；根据目标神经元对应的突触权重，对对应突触输入进行更新。
具体而言，更新后的突触输入表示为：
Ik′＝Ik+wik
其中，Ik′表示更新后的突触输入；Ik表示获取的突触输入；wik表示突触权重。
应当注意的是，在初次获取突触输入时，应当提前对所有神经元的突触输入进行初始化，即Ik＝0。
在一个可选实施例中，在基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入之后，包括：根据更新后的突触输入，更新对应目标神经元相邻靶神经元的状态。
在一个可选实施例中，将上述方法在CPU和GPU上进行了实现。可见，基于事件驱动的突触更新方法不损失计算的精度，且能够得到与传统方法一致的结果，但其速度比传统方法快2-4个数量级。
图2展示了模拟1秒生理时间(以0.1毫秒为时间步长，计算10,000次)时，每种计算方法的耗时。在CPU计算设备上，基于事件驱动的突触更新方法比PyTorch和JAX内基于稠密矩阵的突触获取方法快2个数量级，比PyTorch和JAX内基于稀疏矩阵的突触获取方法快4个数量级；在GPU计算设备上，基于事件驱动的突触获取方法比PyTorch和JAX内基于稠密矩阵的突触获取方法快1-2个数量级，比PyTorch和JAX内基于稀疏矩阵的突触获取方法快2-3个数量级。同时，基于事件驱动的突触更新方法在神经元脉冲发放频率较低时，表现出了更高的计算速度。相反，传统基于稠密矩阵和基于稀疏矩阵的算子，其计算时间与脉冲事件的数量无关。
为了进一步验证基于事件驱动的突触计算方法在真实大脑仿真模型上的计算效率，将上述方法应用在兴奋-抑制平衡网络中，并将NEURON、NEST、Brian2、ANNArchy和BindsNet等标准的脑仿真软件作为对比参考，比较了对应的模拟速度。使用基于泄漏整合发放(Leaky Integrate-and-Fire model，LIF)模型和基于Hodgkin-Huxley(HH)神经元模型的兴奋-抑制平衡网络。兴奋-抑制平衡网络表现出稀疏和事件驱动的特性，非常适于上述方式进行计算。如图3所示，基于事件驱动的突触更新方法明显比其它计算框架快。
综上所述，本发明实施例通过对神经元进行检测，以获取产生脉冲事件的目标神经元，从而确保在脉冲到达时，才更新突触输入，既能够模拟神经元之间脉冲事件所驱动的信息传递和交流，显著提高计算效率，又具备低功耗、高实时性和高能效比等优点。
下面对本发明提供的基于事件驱动的突触更新装置进行描述，下文描述的基于事件驱动的突触更新装置与上文描述的基于事件驱动的突触更新方法可相互对应参照。
图4示出了一种基于事件驱动的突触更新装置的结构示意图，该装置，包括：
脉冲事件检测模块41，对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元；
神经元信息获取模块42，根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重；
突触输入更新模块43，基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
在本实施例中，脉冲事件检测模块41，包括：频率信号获取单元，获取在先创建的神经元群中神经元的膜电位信号；频率判断单元，判断膜电位信号是否超出预设膜电位阈值，并基于膜电位信号超出预设膜电位阈值，将对应神经元作为目标神经元。
在另一个可选实施例中，脉冲事件检测模块41，还包括：电位信号获取单元，获取在先创建的神经元群中神经元的发放频率信号；其中，发放频率信号用于随机产生脉冲；检测单元，判断发放频率信号是否超出预设频率阈值，并基于发放频率信号超出预设频率阈值，将对应神经元作为目标神经元。
在一个可选实施例中，该装置还包括：信号获取模块，在对在先创建的神经元群进行检测，得到目标神经元之前，获取在先创建的神经元群中神经元的输入信号；信号处理模块，判断输入信号是否大于预设信号阈值，并基于大于，激活对应神经元，并触发脉冲事件。
更进一步地说，信号获取模块，包括：信号获取单元，获取在先创建的神经元群中神经元基于至少一个突触接收的初始信号；信号处理单元，将神经元接收的初始信号进行叠加处理，得到对应输入信号。
在一个可选实施例中，该装置，还包括：神经元群构建模块，在对在先创建的神经元群进行检测，得到目标神经元之前，对建模的大脑网络划分为不同的神经元群，创建神经元群两两相互之间的突触连接，并确定神经元的动力学与突触的动力学方程，从而便于后续基于划分好的神经元群与突触连接进行脑动力学仿真。
在一个可选实施例中，该装置，还包括：突触连接构建模块，在根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重之前，创建事件驱动的突触连接；其中，突触连接是基于源神经元及其相邻靶神经元的连接创建的；信息获取模块，基于构建的事件驱动的突触连接，获取源神经元和及其相邻靶神经元之间的突触连接信息，突触连接信息包括源神经元及其相邻靶神经元之间突触的连接索引和突触权重；信息存储模块，将突触连接信息存储至对应源神经元中。
突触输入更新模块43，包括：突触输入获取单元，基于目标神经元对应的连接索引，得到对应突触输入；突触输入更新单元，根据目标神经元对应的突触权重，对对应突触输入进行更新。
在一个可选实施例中，该装置，还包括：神经元状态更新模块，根据更新后的突触输入，更新对应目标神经元相邻靶神经元的状态。应当注意的是，上述方式可以基于仿真时间步长，对每个时间步长内的目标神经元相邻靶神经元的突触输入进行更新，以更新该目标神经元相邻靶神经元的状态。
综上所述，本发明实施例通过脉冲事件检测模块对神经元进行检测，以获取产生脉冲事件的目标神经元，从而确保在脉冲到达时，才理由神经元信息获取模块和突触输入更新模块更新突触输入，既能够模拟神经元之间脉冲事件所驱动的信息传递和交流，显著提高计算效率，又具备低功耗、高实时性和高能效比等优点。
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)51、通信接口(Communications Interface)52、存储器(memory)53和通信总线54，其中，处理器51，通信接口52，存储器53通过通信总线54完成相互间的通信。处理器51可以调用存储器53中的逻辑指令，以执行基于事件驱动的突触更新方法，该方法包括：对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元；根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重；基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
此外，上述的存储器53中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于事件驱动的突触更新方法，该方法包括：对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元；根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重；基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于事件驱动的突触更新方法，该方法包括：对在先创建的神经元群进行检测，得到目标神经元；其中，目标神经元为产生脉冲事件的神经元；根据目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重；基于目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于事件驱动的突触更新方法，其特征在于，包括：
对在先创建的神经元群进行检测，得到目标神经元；其中，所述目标神经元为产生脉冲事件的神经元；
根据所述目标神经元，并结合预设神经元连接信息，得到所述目标神经元相邻靶神经元的连接索引和突触权重；
基于所述目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
2.根据权利要求1所述的基于事件驱动的突触更新方法，其特征在于，所述基于所述目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入，包括：
基于所述目标神经元对应的连接索引，得到对应突触输入；
根据所述目标神经元对应的突触权重，对对应突触输入进行更新。
3.根据权利要求1所述的基于事件驱动的突触更新方法，其特征在于，所述对在先创建的神经元群进行检测，得到目标神经元，包括：
获取在先创建的神经元群中神经元的膜电位信号；
判断所述膜电位信号是否超出预设膜电位阈值，并基于所述膜电位信号超出所述预设膜电位阈值，将对应神经元作为目标神经元；或者，
获取在先创建的神经元群中神经元的发放频率信号；其中，所述发放频率信号用于随机产生脉冲；
判断所述发放频率信号是否超出预设频率阈值，并基于所述发放频率信号超出所述预设频率阈值，将对应神经元作为目标神经元。
4.根据权利要求1所述的基于事件驱动的突触更新方法，其特征在于，在所述对在先创建的神经元群进行检测，得到目标神经元之前，包括：
获取在先创建的神经元群中神经元的输入信号；
判断所述输入信号是否大于预设信号阈值，并基于大于，激活对应神经元，并触发脉冲事件。
5.根据权利要求4所述的基于事件驱动的突触更新方法，其特征在于，所述获取在先创建的神经元群中神经元的输入信号，包括：
获取在先创建的神经元群中神经元基于至少一个突触接收的初始信号；
将所述神经元接收的初始信号进行叠加处理，得到对应输入信号。
6.根据权利要求1所述的基于事件驱动的突触更新方法，其特征在于，在所述根据所述目标神经元，并结合预设神经元连接信息，得到目标神经元相邻靶神经元的连接索引和突触权重之前，包括：
创建事件驱动的突触连接；其中，所述突触连接是基于源神经元及其相邻靶神经元的连接创建的；
基于构建的事件驱动的突触连接，获取所述源神经元及其相邻靶神经元之间的突触连接信息，所述突触连接信息包括所述源神经元及其相邻靶神经元之间突触的连接索引和突触权重；
将所述突触连接信息存储至对应源神经元中。
7.根据权利要求1所述的基于事件驱动的突触更新方法，其特征在于，在所述基于所述目标神经元相邻靶神经元的连接索引和所述突触权重，得到对应突触输入之后，包括：
根据更新后的突触输入，更新对应目标神经元相邻靶神经元的状态。
8.一种基于事件驱动的突触更新装置，其特征在于，包括：
脉冲事件检测模块，对在先创建的神经元群进行检测，得到目标神经元；其中，所述目标神经元为产生脉冲事件的神经元；
神经元信息获取模块，根据所述目标神经元，并结合预设神经元连接信息，得到所述目标神经元相邻靶神经元的连接索引和突触权重；
突触输入更新模块，基于所述目标神经元相邻靶神经元的连接索引和突触权重，得到对应突触输入。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于事件驱动的突触更新方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于事件驱动的突触更新方法的步骤。
CN202311236802.8A 2023-09-22 2023-09-22 基于事件驱动的突触更新方法及装置 Pending CN117521741A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311236802.8A CN117521741A (zh) 2023-09-22 2023-09-22 基于事件驱动的突触更新方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311236802.8A CN117521741A (zh) 2023-09-22 2023-09-22 基于事件驱动的突触更新方法及装置

Publications (1)

Publication Number Publication Date
CN117521741A true CN117521741A (zh) 2024-02-06

Family

ID=89752000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311236802.8A Pending CN117521741A (zh) 2023-09-22 2023-09-22 基于事件驱动的突触更新方法及装置

Country Status (1)

Country Link
CN (1) CN117521741A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118520508A (zh) * 2024-07-23 2024-08-20 长春中医药大学 一种基于回顾性校正的冠状动脉微血管病变预测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118520508A (zh) * 2024-07-23 2024-08-20 长春中医药大学 一种基于回顾性校正的冠状动脉微血管病变预测方法

Similar Documents

Publication Publication Date Title
EP3583553B1 (en) Neural architecture search for convolutional neural networks
KR102415506B1 (ko) 뉴럴 네트워크 간소화 방법 및 장치
CN107092959B (zh) 基于stdp非监督学习算法的脉冲神经网络模型构建方法
US20180018555A1 (en) System and method for building artificial neural network architectures
US11238343B2 (en) Scalable neural hardware for the noisy-OR model of Bayesian networks
US20160275397A1 (en) Method and apparatus for event-based learning in neural network
US20140214739A1 (en) Cortical simulator
WO2015053864A1 (en) Compiling network descriptions to multiple platforms
CN112101535A (zh) 脉冲神经元的信号处理方法及相关装置
US10832121B2 (en) Transform for a neurosynaptic core circuit
CN114490065A (zh) 一种负载预测方法、装置及设备
CN117521741A (zh) 基于事件驱动的突触更新方法及装置
Xiao et al. Network security situation prediction method based on MEA-BP
JP6219509B2 (ja) シナプス遅延を動的に割り当てることおおよび検査すること
US9449272B2 (en) Doppler effect processing in a neural network model
CN111542818B (zh) 一种网络模型数据存取方法、装置及电子设备
CN113158567A (zh) 一种液体状态机模型中通信的软硬件联合优化方法及系统
CN111078872B (zh) 警务事件模拟数据生成方法
Pupezescu Auto Resetting Multilayer Perceptron in an Adaptive Elearning Architecture
CN117236900B (zh) 基于流程自动化的个税数据处理方法及系统
CN115952493B (zh) 一种黑盒模型的逆向攻击方法、攻击装置以及存储介质
CN112819142B (zh) 一种短时突触可塑性工作记忆计算系统及方法
Tan Simulating extrapolated dynamics with parameterization networks
CN117592362A (zh) 一种基于代理模型的整车碰撞快速分析方法、系统及介质
CN119378599A (zh) 基于神经网络的类脑信息瞬态传递方法以及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20250331

Address after: Room 1258, 12th Floor, No. 28-1 Zhongguancun Street, Haidian District, Beijing 100080

Applicant after: Beijing Jusheng Intelligent Technology Co.,Ltd.

Country or region after: China

Address before: 100871 No. 5, the Summer Palace Road, Beijing, Haidian District

Applicant before: Peking University

Country or region before: China

TA01 Transfer of patent application right