一种基于极性多脉冲神经元的脉冲神经网络单时间步转换方法

本发明公开了一种基于极性多脉冲神经元的脉冲神经网络单时间步转换方法，包括以下内容：针对传统量化激活函数易造成信息损失的问题，为人工神经网络提出了一种极性量化激活函数；引入配套的搜索策略，用于获取局部最优超参数组合以提升人工神经网络的表达能力；基于支持在单时间步内发放多个正负脉冲的增强型积分‑发放神经元，构建与原人工神经网络结构相同的脉冲神经网络实验结果表明，通过本发明提出的方法转换得到的脉冲神经网络在首个时间步即达到人工神经网络的精度，并在多时间步推理中保持性能稳定，因此，本发明将有助于提高脉冲神经网络模型的转换精度和推理效率，在智能边缘设备和类脑芯片等场景中具有广泛的应用前景。