STDP突触设计（一）

本文主要是介绍STDP突触设计（一），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

最近看了很多的STDP的工作原理，比如

SNN系列｜学习算法篇(6)脉冲时序依赖可塑性STDP_脉冲时间依赖可塑性-CSDN博客

Spike-Timing Dependent Plasticity - Scholarpedia

这两篇的介绍的代码非常的详细，我就不再赘述了

我设计的STDP的是基于最邻近匹配的：

#include<iostream>
#include<vector>
#include <math.h>using namespace std;class Neuron
{
private:vector<int> spikeList; //脉冲的序列public:double last_fired; //神经元的上次发放脉冲的时间void update(int i , vector<int>* e){if (spikeList[i] == 1){last_fired = (i + 1) * 0.1; //仿真的精度为0.1mse->push_back(i);}}Neuron(vector<int> spikeList_) :last_fired(-1.0),spikeList(spikeList_){}
};class STDP
{
private:const double A_pos = 0.1;  // 正向权重更新速率const double A_neg = 0.1;  // 负向权重更新速率const double tau = 20.0;   // 时间常数double weight; //突触的权重
public:Neuron* post;Neuron* pre;void update(){if (pre->last_fired != -1.0 && post->last_fired != -1.0){// 根据时间差计算权重更新double Delta_t = pre->last_fired - post->last_fired;double Delta_w;if (Delta_t > 0){//促进作用Delta_w = A_pos * exp(-Delta_t / tau);}else if(Delta_t < 0){//抑制作用Delta_w = - A_neg * exp(-Delta_t / tau);}else{Delta_w = 0;}weight += Delta_w;cout <<"突触更新后权重变为" << weight << endl;}}STDP(Neuron* pre_, Neuron* post_) :pre(pre_), post(post_),weight(2.0){}
};int main()
{// 初始化两个神经元的脉冲序列vector<int> spike1 = { 0,1,0,0,0,1,0,0,1,0 };vector<int> spike2 = { 0,0,0,1,0,0,1,0,0,1 };// 初始化神经元vector<Neuron> group;Neuron n1(spike1);Neuron n2(spike2);group.push_back(n1);group.push_back(n2);// 初始化突触STDP s(&group[0], &group[1]);vector<int> event(0);//脉冲事件// 模拟STDPfor (int i = 0; i < 10; i++){for (auto& neuron : group){neuron.update(i,&event);}//只有神经元发射脉冲才更新if (event.size() > 0){s.update();}event.clear();}return 0;
}

仿真的结果为：

 

缺点：

1. 没有考虑突触的延迟机制
2. 这种算法仅仅适合事件驱动的方式，但是不符合我设计的SNN的混合驱动的模式

回来我会写出符合我之前设计的代码。

这篇关于STDP突触设计（一）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---