即可将网页分享至朋友圈
近日，由计算机科学与工程学院屈鸿教授指导的博士生解修蕊以第一作者在《IEEE Transactions on Neural Networks and Learning Systems》期刊上发表Regular Paper学术论文“Efficient Training of Supervised Spiking Neural Network via Accurate Synaptic-Efficiency Adjustment Method”（一种高效的Spiking神经网络学习算法）。论文的通讯作者为屈鸿教授，四川大学章毅教授、柏林洪堡大学Jüergen Kurths教授为共同作者，电子科技大学计算机科学与工程学院为第一署名单位。
该论文受生物视觉系统选择性注意机制启发，提出一种新的高效Spiking神经网络学习方法，克服了传统方法基于脉冲误差的低效率的缺陷，大大提高了网络的训练效率。此成果是对类脑Spiking模型在实时大数据环境下实际应用的初步探索，为Spiking神经网络的进一步发展和应用提供了保障。
（该图为使用该方法进行图片编码及脉冲输出控制的训练结果）
目前，作者计划将此方法推广到深度网络的脉冲学习中，致力研究一种基于Spiking神经元的深度网络模型和学习机制，实现类脑计算模型和Deep Learning有机结合，从而提高大数据环境下时序问题的处理能力。
计算智能实验室（Computational Intelligence Laboratory, 简称CILAB）由王晓斌教授负责，屈鸿教授任常务副主任。实验室现有教授3人、博士讲师1人、博士生7人、硕士生40余人，主要研究方向是神经网络、机器学习。实验室以创新为导向，自建立以来一直与国际学术界保持紧密的联系与合作，与国际同行进行密切的学术交流。
《IEEE Transactions on Neural Networks and Learning Systems》期刊由美国电气和电子工程师协会（IEEE）于1990年创办，属于机器学习、神经网络、人工智能领域国际TOP期刊（JCR一区TOP），SCI影响因子为4.291。
论文链接：
编辑：林坤 / 审核：罗莎 / 发布：一戈
