脉冲神经网络 （SNN-Spiking Neuron Networks) 经常被誉为第三代人工神经网络。其模拟神经元更加接近实际，除此之外，它把时间信息的影响也考虑其中。 思路是这样的，动态神经网络中的神经元不是在每一次迭代传播中都被激活（而在典型的多层感知机网络中却是），而是在它的膜电位达到某一个特定值才被激活。当一个神经元被激活，它会产生一个信号传递给其他神经元，提高或降低其膜电位。
据悉，这项研究是由来自该校知识工程与发现研究机构（KEDRI）的团队进行的，其基础是一个叫做脉冲神经网络（SNN：spiking neural network）的新人工智能模型。
基于10个网页-相关网页
脉冲神经网络 2.1 脉冲神经网络简介 脉冲神经网络（spiking neural networks，SNN）是一种近年提出的、基于spike 神经元 模型的新型神经网络。
基于8个网页-相关网页
脉冲耦合神经网络 PCNN ; pulse coupled neural network ; Pulse Coupled Neural Network-PCNN ; PCNN-Pulse Coupled Neural Network
脉冲藕合神经网络 PCNN
脉冲暂态混沌神经网络 PTCNN
矢量脉冲耦合神经网络 VPCNN
时延脉冲耦合神经网络 DPCNN-Delay Pulse Coupled Neural Network
有限脉冲响应神经网络 FIRNN ; finite impulse response neural networks
脉冲耦合神经网络模型 PCNN ; Pulse Coupled Neural Network
基于脉冲耦合神经网络 PuIsc Coupled Neural Network ; PCNN
改进脉冲耦合神经网络 MPCNN
·2,447,543篇论文数据，部分数据来源于NoteExpress
本文讨论了一类脉冲神经网络的周期解的指数稳定性。
This paper discusses the exponential stability of periodic solution for impulsive neural networks.
在软件中提供了多种反演方法如基于模型反演，稀疏脉冲反演和人工智能神经网络反演。
Multi inversion methods are provided in the software, such as inversion based on models, sparse pulses inversion and artificial intelligence neural network inversion.
提出了一种双层脉冲耦合神经网络与数学形态学相结合的区域标识算法。
This paper brings forward a new approach for region labeling by using double Pulse Coupled Neural Networks (PCNN) and morphology.
应用推荐