本公开提供一种基于脉冲神经网络的信号处理方法、任务处理方法及装置，属于计算机技术领域。信号处理方法包括：针对任意一个神经元的任一时间步，基于神经元在预设时间步内的输入脉冲信号，确定神经元在时间步的膜电位，其中，预设时间步包括时间步以及与时间步相邻的、且位于时间步之前的多个时间步，神经元的膜电位更新过程不依赖于复位机制；根据各个时间步的膜电位和预设的发放阈值，并行地确定神经元在各个时间步的输出脉冲信号，并根据各个时间步的输出脉冲信号并行执行神经元在各个时间步的信号发放。根据本公开的实施例能够实现神经元信号发放过程在时间维度上的并行计算，可以有效提升信号处理的效率，进而提高对硬件设备的资源利用率。
【技术实现步骤摘要】
本公开涉及计算机，特别涉及一种基于脉冲神经网络的信号处理方法、基于脉冲神经网络的任务处理方法、基于脉冲神经网络的信号处理装置、基于脉冲神经网络的任务处理装置、电子设备及计算机可读存储介质。
技术介绍
1、与深度学习领域普遍使用的人工神经网络相比，脉冲神经网络(snn，spikingneural network)具有状态记忆、支持模拟计算和通过二值脉冲来传递信息等特点，能够展现复杂的动态行为，非常适合处理时空数据。在基于脉冲神经网络进行数据处理时，通常需要逐时间步地计算神经元的膜电位或梯度等信息，从而导致在时间维度上的并行性差，处理效率较低。
技术实现思路
1、本公开提供一种基于脉冲神经网络的信号处理方法、基于脉冲神经网络的任务处理方法、基于脉冲神经网络的信号处理装置、基于脉冲神经网络的任务处理装置、电子设备及计算机可读存储介质。
2、第一方面，本公开提供了一种基于脉冲神经网络的信号处理方法，所述脉冲神经网络包括多个神经元，该信号处理方法包括：针对任意一个神经元的任一时间步，基于所述神经元在预设时间步内的输入脉冲信号，确定所述神经元在所述时间步的膜电位，其中，所述预设时间步包括所述时间步以及与所述时间步相邻的、且位于所述时间步之前的多个时间步，所述神经元的膜电位更新过程不依赖于复位机制；根据各个所述时间步的膜电位和预设的发放阈值，并行地确定所述神经元在各个所述时间步的输出脉冲信号，并根据各个所述时间步的输出脉冲信号并行执行所述神经元在各个所述时间步的信号发放。
>3、第二方面，本公开提供了一种基于脉冲神经网络的任务处理方法，所述脉冲神经网络包括多个神经元，该任务处理方法包括：对预设任务对应的待处理数据进行脉冲编码，得到与多个时间步对应的输入脉冲信号；将所述输入脉冲信号输入所述脉冲神经网络进行信号处理，得到所述脉冲神经网络中的多个神经元的输出脉冲信号；基于多个所述神经元的输出脉冲信号，确定所述预设任务的处理结果；其中，所述脉冲神经网络中的神经元用于执行本公开实施例任一项所述的基于脉冲神经网络的信号处理方法。4、第三方面，本公开提供了一种基于脉冲神经网络的信号处理装置，所述脉冲神经网络包括多个神经元，该信号处理装置包括：第一确定模块，用于针对任意一个神经元的任一时间步，基于所述神经元在预设时间步的输入脉冲信号，确定所述神经元在所述时间步的膜电位，其中，所述预设时间步包括所述时间步以及与所述时间步相邻的、且位于所述时间步之前的多个时间步，所述神经元的膜电位更新过程不依赖于复位机制；输出模块，用于根据所述时间步的膜电位和预设的发放阈值，并行地确定所述神经元在各个所述时间步的输出脉冲信号，并根据各个所述时间步的输出脉冲信号并行执行所述神经元在各个所述时间步的信号发放。
5、第四方面，本公开提供了一种基于脉冲神经网络的任务处理装置，所述脉冲神经网络包括多个神经元，该任务处理装置包括：编码模块，用于对预设任务对应的待处理数据进行脉冲编码，得到与多个时间步对应的输入脉冲信号；处理模块，用于将所述输入脉冲信号输入所述脉冲神经网络进行信号处理，得到所述脉冲神经网络中的多个神经元的输出脉冲信号；第二确定模块，用于基于多个所述神经元的输出脉冲信号，确定所述预设任务的处理结果；其中，所述脉冲神经网络中的神经元用于执行本公开实施例任一项所述的基于脉冲神经网络的信号处理方法。
6、第五方面，本公开提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例任一项所述的基于脉冲神经网络的信号处理方法，或者基于脉冲神经网络的任务处理方法。
7、第六方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器/处理核执行时实现本公开实施例任一项所述的基于脉冲神经网络的信号处理方法，或者基于脉冲神经网络的任务处理方法。
8、本公开所提供的实施例，对于脉冲神经网络中的神经元，针对任意一个神经元的任一时间步，基于神经元在预设时间步内的输入脉冲信号，确定神经元在时间步的膜电位，其中，预设时间步包括时间步以及与时间步相邻的、且位于时间步之前的多个时间步，神经元的膜电位更新过程不依赖于复位机制；根据各个时间步的膜电位和预设的发放阈值，并行地确定神经元在各个时间步的输出脉冲信号，并根据各个时间步的输出脉冲信号并行执行神经元在各个时间步的信号发放。由此可知，对于神经元而言，其膜电位更新过程不依赖于复位机制，因而该神经元在任一时间步的膜电位仅与该时间步以及之前的多个时间步的输入脉冲信号相关，因此，在确定输入脉冲信号之后，即可得到该时间步的膜电位，不再依赖于神经元在前一时间步的输出脉冲信号，能够实现时间维度上的并行计算，因而无需采用串行处理方式，而是可以采用并行处理方式。相较于相关技术中当前时间步的膜电位依赖于前一时间步的输出脉冲信号，需要采用串行处理方式而言，本公开实施例中单个神经元在不同时间步的处理可以并行，有效提升了信号处理的效率，进而提高了对硬件设备的资源利用率。
9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...
【技术保护点】
1.一种基于脉冲神经网络的信号处理方法，其特征在于，所述脉冲神经网络包括多个神经元，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述神经元在预设时间步内的输入脉冲信号，确定所述神经元在所述时间步的膜电位，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述预设时间步包括第1个时间步至当前时间步，或者，所述预设时间步包括第k个时间步至当前时间步，k＞1；
4.根据权利要求2所述的方法，其特征在于，对所述初始膜电位的非线性变换通过公式3至公式6中的任意一者进行表征：
5.根据权利要求4所述的方法，其特征在于，所述脉冲神经网络的多个神经元所对应的非线性变换函数相同或不同。
6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述神经元在前一时间步的膜电位以及当前时间步的输入脉冲信号，确定所述神经元在当前时间步的膜电位，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述神经元在前一时间步的膜电位以及当前时间步的输入脉冲信号，确定当前时间步的初始膜电位，包括：
9.根据权利要求7或8所述的方法，其特征在于，所述神经元的膜电位的更新过程通过公式7或公式8表征：
10.根据权利要求1或2所述的方法，其特征在于，所述脉冲神经网络部署于预设的众核系统中，所述众核系统包括多个处理核，且一个神经元的多个时间步的信号发放处理映射到一个或多个处理核上；
11.一种基于脉冲神经网络的任务处理方法，其特征在于，所述脉冲神经网络包括多个神经元，所述方法包括：
12.一种基于脉冲神经网络的信号处理装置，其特征在于，所述脉冲神经网络包括多个神经元，所述装置包括：
13.一种基于脉冲神经网络的任务处理装置，其特征在于，所述脉冲神经网络包括多个神经元，所述装置包括：
14.一种电子设备，其特征在于，包括：
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-10中任一项所述的基于脉冲神经网络的信号处理方法，或者如权利要求11所述的基于脉冲神经网络的任务处理方法。
...
【技术特征摘要】
1.一种基于脉冲神经网络的信号处理方法，其特征在于，所述脉冲神经网络包括多个神经元，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述神经元在预设时间步内的输入脉冲信号，确定所述神经元在所述时间步的膜电位，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述预设时间步包括第1个时间步至当前时间步，或者，所述预设时间步包括第k个时间步至当前时间步，k＞1；
4.根据权利要求2所述的方法，其特征在于，对所述初始膜电位的非线性变换通过公式3至公式6中的任意一者进行表征：
5.根据权利要求4所述的方法，其特征在于，所述脉冲神经网络的多个神经元所对应的非线性变换函数相同或不同。
6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述神经元在前一时间步的膜电位以及当前时间步的输入脉冲信号，确定所述神经元在当前时间步的膜电位，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述神经元在前一时间步的膜电位以及当...
【专利技术属性】
技术研发人员：刘发强，祝夭龙，
申请(专利权)人：北京灵汐科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。