TY -的A2方魏盟——Kamaruzaman Fadhlan盟——Shafie Amir Akramin盟——Mustafah亚希尔m . PY - 2015 DA - 2015/10/04 TI -重合检测使用强化神经元与人脸识别应用SP - 534198六世- 2015 AB -我们阐明飙升的实际实现神经网络(SNN)当地的各个分类器。突触的时间常数 τ 年代 用作学习参数，表示从一组训练数据中在分类器级别学到的变化。该分类器使用一种新的监督学习方法(称为)以监督方式训练的重合检测策略 τ 年代 通过迭代自适应将输出尖峰的精确时间调整为所需的尖峰时间的预测 τ 年代 ．本文还讨论了用于符合检测的spike响应模型(SRM)中spike timing的近似问题。这个过程大大加快了整个学习和分类的过程。利用AR、FERET、JAFFE和CK+等人脸数据集进行的性能评价表明，该方法比采用监督突触时间依赖可塑性(STDP)训练的网络具有更好的人脸分类性能。结果表明，该方法具有较好的分类精度 k 最近的邻居，集合 k 神经网络和支持向量机。对几种spike编码的评估也揭示了延迟编码在人脸分类以及其他多元数据集分类中提供了最好的结果。SN - 1110-757X UR - https://doi.org/10.1155/2015/534198 DO - 10.1155/2015/534198 JF - Journal of Applied Mathematics PB - Hindawi Publishing Corporation KW - ER -