脉冲神经网络典型监督学习算法综述

人工神经网络的监督学习是利用已知类别的样本去进行模型训练的学习方式。学习过程中先把训练样本输入到模型中进行运算，求出计算结果和目标结果间的差异作为误差信号，然后以误差信号作为神经元突触间连接权值的调整依据，以求反复学习调整后建立的神经网络模型的能达到输出信号与设定的目标信号间差异最小化。监督学习是一种带有目标的学习过程，相较于无监督学习而言收敛速度会更快。脉冲神经网络监督学习算法以高效准确地实现复杂脉冲时序模式学习为目标。正如上文国内外研究现状中提到的，由于当前仍未探明生物神经元中监督学习机制的细则，加上脉冲神经网络模型自身的复杂性和脉冲序列的离散性导致现有的