第ll期电子学报26No998年I【月ACTAELEC、Ro】CAS】NICANov】998脉冲神经网络的时间计算——世界中心识别原理TimeComputationofSpikingNetworksforWorld-CenteredRepresentation36|0／蠢提要本文表明传统的基于脉冲平均点火率．唱并行计算是不妥的，因为它不能进行时同操作我们提出一个脉冲神经网(spikingnetwork)，对神经计算引人空间搜索机制搜索能够将空同坐标转化为时间坐标．这使得空间相对坐标也转化为时同相对坐标．利用延迟的连接．神经网能够非常容易地完成时间相对坐标的计算．设计了一个以世界为中心的模型(wocenteredMcdel，WCM)，它由空同搜索器和特征转移向量存储器组成WCM是单纯的神经网络．它代表了不变识别的神经原理．．{’，人争经^bstract：Thisartldeargu~thatfull-pamr'aUlle]-algontl~o。ftradit~'ronmalnoidalneuralnetworbbasedonaveragefireratewhichhaveexcludedruefultimeoperationseemknproperfortheinvariance．Thuswepresentakingnetworkthatintroducmasp~cesearchmechanismintoneureacctaputing．ThesearchcantransformspaceeoordirmteintotimecoordinateConsequently．thecgeratiombasedrdatlye【x0I1sareoo~wertedintothosehasedrdativetimewhichareverye&syf0rneuralmalizationthroughddayconnections．Acmrding]y，wedevelopaworld—centeredmodel(WCM)that~ot3s~ofaspace~．archerandafeaturetrans[ervector(FⅣ)memory．WCMisapuren~'alnetworkthatrg~-esentstheneum】principle0finvarlantrec~tlonKeywOrds：Neuralcomputafion，Patternrecognition码或定时作为事件的表示，因为它不能实现任何具一、引言有短暂或暂时效果的操作不仅如此，一个全并行的在传统的人工神经网络中．神经元的活动水平网还不能进行任何带有骤或时间次序的串行计算，例如进行空同的位置选择或空阔搜索．目此这样或状态是代表生物神经元脉冲的平均点火率，这使的网络在计算原理上就决定了它无法使用空间的相得每个神经元是无间断地发挥着作用．这样的网不对坐标．这个缺陷在模式识别方面已经明显地暴露仅是工作在连续时间，而且是全并行计算的，即所有出来虽然不变性是模式识别的重要同题，但是现有神经元并行或同时地进行操作．全并行计算曾经被的神经计算与不变性的实际要求相距甚远．在所有普遍认为是神经计算的突出优点的标准模型中．模式的存储的识别均是使用严格的然而，这样一个连续工作的网无法使用时同编以罔的接受窗口为中心的坐标系，我们称为NCM1997年4月收到．】997年I2月修改定稿国家杰出青年科学基金等项目贷助课题}GuoLei(DepartmemofAutcanaticComrd，NorthwestPolytechnicUnlversaty，Xian710072)第11期郭雷等：脉冲神经网络的时间计算——世界中心识暑lJ原理(Network-CenteredModels)NCM包括联想存储器假设WCM的输入是一个长度为的向量CAMmAM和识别与分类模型如BP和ART等=(，Y!，⋯，)，∈F，l≤i≤而且模式是NCM没有应付模式位置变化的能力．Nec：eogrtitnm包含在这个输入之内(N≤)因此输入包含了是一个强调位置不变性的模型，但是它的实施是不一个模式和背景两个部分模式的长度小于网络接理想的j：纯粹的神经计算方法需要附加其它的技收窗口的尺寸，而模式的位置并不是固定在特定的术如Fourier变换、延迟线【、及额外的算窗口位置这样，wcM必须能够识别输入中包含的法才能获得不变性学习也被怍为获得不变性的模式即使模式相对窗口的位置改变时方法l6，但它仅适用不变或零刺激背景的情况．在NCM中，模式的识别是依据于一组特征，而最近．脉冲网(ki