【技术实现步骤摘要】
本说明书涉及计算机，尤其涉及一种基于睡眠模拟的模型训练方法、装置、介质及设备。
技术介绍
1、人工智能技术迅速发展，给世界发展模式和人类生活方式带来了巨大改变。在神经网络模型的训练过程中，通常需要利用被标注的训练数据对模型的参数进行不断地优化，而神经网络模型的性能很大程度上依赖于大量训练数据。
2、然而，在现实诸多领域中，由于隐私保护等多种条件的限制，特定类型的数据获取难度极大，并且对大量数据进行标注是一项昂贵且耗时的任务，这种情况在很大程度上限制了模型性能的提升。
3、因此，如何实现在少量样本的情况下提高模型性能，保证模型的识别精度，是一个亟待解决的问题。
技术实现思路
1、本说明书提供一种基于睡眠模拟的模型训练方法、装置、介质及设备，以部分地解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种基于睡眠模拟的模型训练方法，包括：
4、获取经过训练的目标图像识别模型，所述目标图像识别模型为脉冲神经网络模型；
5、向所述目标图像识别模型输入特定信号，以使所述目标图像识别模型通过产生纺锤波节律振荡进行非快速眼动睡眠模拟，其中，所述特定信号为两个周期信号叠加所形成的复合信号，所述两个周期信号所对应的频率之间的偏差小于预设阈值且位于纺锤波节律范围内，所述目标图像识别模型随着所述特定信号的发放产生趋近于纺锤波形状和节律的响应活动；
6、根据所述目标图像识别模型中存在连接关系的各
7、根据更新后的各神经元节点之间的连接权重，对所述目标图像识别模型进行调整。
8、可选地，获取经过训练的目标图像识别模型，具体包括：
9、获取经过训练的初始图像识别模型，其中，所述初始图像识别模型为用于图像识别的人工神经网络模型；
10、基于所述初始图像识别模型的模型数据，将所述初始图像识别模型转换为脉冲神经网络模型，得到所述目标图像识别模型；
11、所述方法还包括：
12、根据更新后的各神经元节点之间的连接权重，对所述目标图像识别模型进行调整，并将调整完成后的目标图像识别模型转换为人工神经网络模型。
13、可选地，按照预设的时间间隔，向所述目标图像识别模型发放纺锤波脉冲，具体包括：
14、针对除所述目标图像识别模型的输入层中的神经元节点外的每个神经元节点，根据该神经元节点在上一时间单位的膜电位、与该神经元节点之间存在信息传递关系的上一层神经元节点所输出的脉冲值、在上一时间单位该神经元节点与所述上一层神经元节点之间的连接权重、该神经元节点对应的预设缩放比例因子，确定该神经元节点在当前时间单位的膜电位；
15、若该神经元节点在当前时间单位的膜电位超过预设的脉冲电压阈值，则向与该神经元节点之间存在信息传递关系的下一层神经元节点发放脉冲，并将该神经元节点对应的膜电位重置为初始膜电位。
16、可选地，根据所述目标图像识别模型中存在连接关系的各神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，对所述各神经元节点之间的连接权重进行更新，具体包括：
17、针对所述目标图像识别模型中的每个神经元节点，若与该神经元节点之间存在信息传递关系的下一层神经元节点在该神经元节点之后发放脉冲，则提高该神经元节点与所述下一层中的神经元节点之间的连接权重，以及
18、若与该神经元节点之间存在信息传递关系的下一层神经元节点在该神经元节点之前发放脉冲，则降低该神经元节点与所述下一层神经元节点之间的连接权重。
19、可选地，根据所述目标图像识别模型中存在连接关系的各神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，对所述各神经元节点之间的连接权重进行更新，具体包括：
20、针对所述目标图像识别模型中的每个神经元节点，根据该神经元节点和与该神经元节点之间存在信息传递关系的下一层神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，在各预设时间尺度值中确定出目标时间尺度值；
21、根据该神经元节点对应的脉冲发放时间与所述下一层神经元节点对应的脉冲发放时间之间的时间差以及所述目标时间尺度值，确定权重调整因子；
22、根据所述权重调整因子，确定该神经元节点与所述下一层神经元节点之间的连接权重的调整值。
23、可选地，所述预设时间尺度值包括：快时间尺度值和慢时间尺度值，所述快时间尺度值包括第一尺度值和第二尺度值，所述慢时间尺度值包括第三尺度值和第四尺度值，所述快时间尺度值小于所述慢时间尺度值，所述第一尺度值小于所述第二尺度值，所述第三尺度值小于所述第四尺度值；
24、针对所述目标图像识别模型中的每个神经元节点，根据该神经元节点和与该神经元节点之间存在信息传递关系的下一层神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，确定目标时间尺度值，具体包括：
25、获取预设的时间尺度值，其中，所述时间尺度值包括：快时间尺度值和慢时间尺度值，所述快时间尺度值包括第一尺度值和第二尺度值，所述慢时间尺度值包括第三尺度值和第四尺度值，所述快时间尺度值小于所述慢时间尺度值，所述第一尺度值小于所述第二尺度值，所述第三尺度值小于所述第四尺度值；
26、针对所述目标图像识别模型中的每个神经元节点，若所述下一层神经元节点在该神经元节点之后发放脉冲，则将所述第一尺度值和所述第四尺度值作为所述目标时间尺度值；
27、若所述下一层神经元节点在该神经元节点之后发放脉冲，则将所述第二尺度值和所述第三尺度值作为所述目标时间尺度值。
28、可选地，根据所述权重调整因子，确定该神经元节点与所述下一层神经元节点之间的连接权重的调整值，具体包括：
29、针对所述目标图像识别模型中的每个神经元节点，根据该神经元节点和与该神经元节点之间存在信息传递关系的下一层神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，确定目标权重调整项参数；
30、根据所述权重调整项参数以及所述权重调整因子，确定该神经元节点与所述下一层神经元节点之间的连接权重的调整值，其中，所述目标权重调整项参数越大，所述调整值越大。
31、可选地，针对所述目标图像识别模型中的每个神经元节点，根据该神经元节点和与该神经元节点之间存在信息传递关系的下一层神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，确定目标权重调整项参数，具体包括：
32、获取预设的权重调整项参数，其中，所述权重调整项参数包括增强参数和抑制参数，所述增强参数包括第一增强参数值和第二增强参数值，所述抑制参数包括第一抑制参数值和第二抑制参数值，各参数值的大小按照第一增强参数值、第二抑制参数值、第二增强参数值、第一抑制参数值的顺序依次递增；
33、针对所述目本文档来自技高网...
【技术保护点】
1.一种基于睡眠模拟的模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，获取经过训练的目标图像识别模型，具体包括：
3.如权利要求1所述的方法，其特征在于，按照预设的时间间隔，向所述目标图像识别模型发放纺锤波脉冲，具体包括：
4.如权利要求1所述的方法，其特征在于，根据所述目标图像识别模型中存在连接关系的各神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，对所述各神经元节点之间的连接权重进行更新，具体包括：
5.如权利要求1所述的方法，其特征在于，根据所述目标图像识别模型中存在连接关系的各神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，对所述各神经元节点之间的连接权重进行更新，具体包括：
6.如权利要求5所述的方法，其特征在于，所述预设时间尺度值包括：快时间尺度值和慢时间尺度值，所述快时间尺度值包括第一尺度值和第二尺度值，所述慢时间尺度值包括第三尺度值和第四尺度值，所述快时间尺度值小于所述慢时间尺度值，所述第一尺度值小于所述第二尺度值，所述第三尺度值小于所述第四尺度值；
<...【技术特征摘要】
1.一种基于睡眠模拟的模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，获取经过训练的目标图像识别模型，具体包括：
3.如权利要求1所述的方法，其特征在于，按照预设的时间间隔，向所述目标图像识别模型发放纺锤波脉冲，具体包括：
4.如权利要求1所述的方法，其特征在于，根据所述目标图像识别模型中存在连接关系的各神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，对所述各神经元节点之间的连接权重进行更新，具体包括：
5.如权利要求1所述的方法，其特征在于，根据所述目标图像识别模型中存在连接关系的各神经元节点在所述非快速眼动睡眠模拟的过程中的脉冲发放顺序，对所述各神经元节点之间的连接权重进行更新，具体包括：
6.如权利要求5所述的方法，其特征在于，所述预设时间尺度值包括：快时间尺度值和慢时间尺度值，所述快时间尺度值包括第一尺度值和第二尺度值，所述慢时间尺度值包括第三尺度值和第四尺度值，所述快时间尺度值小于所述慢时间尺度值，所述第一尺度值小于所述第二尺度值，所述第三尺度值小于所述第四尺度值；
7....
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。