在脉冲卷积神经网络中实现受中央凹凹陷启发的滤波器：初步研究
计算机视觉与模式识别
2021-06-01 v1 人工智能
摘要
我们提出了一种脉冲卷积神经网络 (SCNN)，其融合了受视网膜中央凹凹陷启发的高斯差分滤波器与排序编码。该模型使用适用于脉冲神经元的反向传播算法变体进行训练，如 Nengo 库中所实现。我们在两个公开数据集上评估了模型性能——一个用于数字识别任务，另一个用于车辆识别任务。网络达到了最高 90% 的准确率，损失由交叉熵函数计算。相较于不使用任何神经滤波的替代分类方法约 57% 的准确率，这是一个提升。总体而言，我们的概念验证研究表明，在现有 SCNN 架构中引入生物学合理的滤波，能很好地处理含噪输入图像，如车辆识别任务中的图像。基于结果，我们计划通过在排序前集成基于侧抑制的冗余削减来增强 SCNN，从而进一步提升网络分类准确率。
引用
@article{arxiv.2105.14326,
title = {Implementing a foveal-pit inspired filter in a Spiking Convolutional Neural Network: a preliminary study},
author = {Shriya T. P. Gupta and Basabdatta Sen Bhattacharya},
journal= {arXiv preprint arXiv:2105.14326},
year = {2021}
}
备注
8 pages, 8 figures, 4 tables. 2020 International Joint Conference on Neural Networks (IJCNN)