Spiking Neuron Model for Wavelet Encoding of Temporal Signals

机译：时间信号小波编码的尖峰神经元模型

获取原文

页面导航

摘要
著录项
相似文献
相关主题

摘要

Wavelet decomposition is a widely used method to preprocess temporal signals before they could be analyzed by Artificial Spiking Neural Networks (ASNN). This study proposes a biological plausible way to encode the temporal signals into spike trains with wavelet amplitude spectrum represented by the delay phases during each encoding period. The encoding method is presented in the form of a spiking neuron model for easy implementation in ASNN. The proposed neuron model is tested on encoding of human voice records for speech recognition purpose, and compared with results from continuous wavelet transform. The nonlinearity properties and choices of biological plausible wavelet kernels for the proposed encoding method is discussed for the generality of its application.

机译：小波分解是一种在对时间信号进行预处理之前，可以通过人工脉冲神经网络（ASNN）对其进行分析的广泛使用的方法。这项研究提出了一种生物学上可行的方法，可以将时间信号编码为带有小波振幅谱的尖峰序列，该小波振幅谱由每个编码周期中的延迟相位表示。编码方法以尖峰神经元模型的形式呈现，可轻松在ASNN中实现。所提出的神经元模型在用于语音识别的人类语音记录编码上进行了测试，并与连续小波变换的结果进行了比较。为了应用的普遍性，讨论了所提出的编码方法的非线性特性和生物似然小波核的选择。

著录项

来源
《》|2015年|693-699|共7页
会议地点
作者
Zhenzhong Wang; Lilin Guo; Malek Adjouadi;
展开▼
作者单位

展开▼
会议组织
原文格式 PDF
正文语种
中图分类
关键词
Phase encoding; Spiking neural network; Wavelet decomposition; Leaky Integrate-and-Fire neuron;

机译：相位编码;尖刺神经网络小波分解;泄漏整合并发射神经元;

相似文献

外文文献
中文文献
专利

1. Wavelet decomposition and phase encoding of temporal signals using spiking neurons [J] . Wang Zhenzhong, Guo Lilin, Adjouadi Malek Neurocomputing . 2016,第JANa15PTa3期

机译：尖峰神经元对时间信号的小波分解和相位编码
2. Detection of epileptic spikes in electroencephalographic signals for patients with temporal lobe epilepsy using wavelets [J] . Nelson Eduardo Castao, Jos Fernando Zapata, Jairo Villegas G. Ingenieria y Ciencia . 2017,第9期

机译：小波检测颞叶癫痫患者脑电信号中的癫痫发作
3. Generalized Stochastic Spiking Neuron Model and Extended Spike Response Model in Spatial-Temporal Pulse Pattern Detection Task [J] . O. Y. Sinyavskiy, A. I. Kobrin Optical memory & neural networks . 2010,第4期

机译：时空脉冲模式检测任务中的广义随机尖峰神经元模型和扩展尖峰响应模型
4. Spiking Neuron Model for Wavelet Encoding of Temporal Signals [C] . Zhenzhong Wang, Lilin Guo, Malek Adjouadi International Conference on Artificial Intelligence . 2015

机译：用于时间信号小波编码的尖峰神经元模型
5. Models of EEG data mining and classification in temporal lobe epilepsy: Wavelet-chaos-neural network methodology and spiking neural networks. [D] . Ghosh Dastidar, Samanwoy. 2007

机译：颞叶癫痫的EEG数据挖掘和分类模型：小波-混沌神经网络方法和尖峰神经网络。
6. A Temporal Signal-Processing Circuit Based on Spiking Neuron and Synaptic Learning [O] . Hui Wei, Yi-Fan Du 1968

机译：基于尖峰神经元和突触学习的时间信号处理电路
7. Optimization of Output Spike Train Encoding for a Spiking Neuron Based on its Spatio–Temporal Input Pattern [O] . Aboozar Taherkhani, Georgina Cosma, Thomas Martin McGinnity 2020

机译：基于其时空输入图案的尖峰神经元的输出尖峰列车优化
8. Error-Backpropagation in Temporally Encoded Networks of Spiking Neurons. Software Engineering (SEN). [R] . Bohte, S. M., La Poutre, J. A., Kok, J. N. 2000

机译：尖峰神经元的时间编码网络中的误差反向传播。软件工程（sEN）。

Spiking Neuron Model for Wavelet Encoding of Temporal Signals

摘要

著录项

相似文献

相关主题

期刊订阅