Nerual coding-神经脉冲编码

频率编码

频率编码的想法是认为信息包含在神经元的发放频率中,但是目前而言频率编码对于脑活动的描述过于简单。
spike-count rate:
计算在一个时间长度T中发放的动作电位数目,T通常为100~500ms。当刺激强度恒定或者变化缓慢的时候,改编码方式具有很好的效果;但是真实世界中刺激并非恒定的,而是在时间上往往快速变化,此时编码得到的信息可能会有缺失。
Time-dependent firing rate:
时间相关的放电率定义为在时间 t 和 t+Δt 之间的短时间间隔内出现的尖峰的平均数量(试验的平均值)除以该间隔的持续时间。

泊松编码
泊松编码器将输入数据 x 编码为发放次数分布符合泊松过程的脉冲序列。泊松过程又被称为泊松流,当一个脉冲流满足独立增量性、增量平稳性和普通性时,这样的脉冲流就是一个泊松流。更具体地说,在整个脉冲流中,互不相交的区间里出现脉冲的个数是相互独立的,且在任意一个区间中,出现脉冲的个数与区间的起点无关,与区间的长度有关。同时将多个时间步得到的图像矩阵叠加在一起,可以近似还原原图像—期望

周期编码
顾名思义,将输入的脉冲序列进行周期延拓,得到多周期编码结果。

延迟编码器
根据不同神经元输入动作电位的强度,延迟发放脉冲。当刺激强度越大,发放的时间也就越早,并且存在着最大脉冲发放时间。因此对于每一个神经元,经过一段时间一定能够发放脉冲。并且在每个最大发放时间内,每一个神经元有且只有一个脉冲。
脉冲发放的时间t与信号强度x的关系t(x)=(T-1)(1-x),T代表着最大发放时间。

相位编码器
将输入数据按照二进制各位展开,从高位到低位进行脉冲编码。当编码位数为K时,可以对处于区间[0,1-2^-K]的数进行编码。
例如,当K=8时,数据1/256可以表示为00000001,每一位表示一个时间步。

你可能感兴趣的:(人工智能,人工智能,类脑)