一种膜电位数据生成方法及系统与流程

1.本发明涉及神经元仿真技术领域，特别是涉及一种膜电位数据生成方法及系统。


背景技术：

2.近年来，类脑计算、脑科学、和深度学习的发展如火如荼，神经元作为最基本的单元受到密切的关注。人们希望通过研究生物神经元的机理并仿真大脑的网络结构来研究智能和意识等相关课题。神经元接受外部刺激信号，进行处理，并传递是一个复杂的过程，对其进行仿真和构建模型，不仅可以有助于理解生物神经细胞的运行机制，还有利于开发更具有生物可解释性的人工神经网络算法。
3.图4展示了生物神经元接受外部刺激信号，进行处理，并传递整个过程中生物神经元膜电位变化与产生脉冲的机制，图4中纵坐标为膜电位/mv。在没有受到任何外部刺激时，神经元膜电位处在静息电位。当接收到外部刺激时，从生物神经学的角度上看，神经元膜上的通道打开，特定的带电离子进出通道，从而导致神经元内外部的离子浓度发生变化。该变化在图4中的展现是神经元膜电位发生去极化、复极化和超极化。当接收到的外部刺激使膜电位超过了神经元阈值时(如一个突然的强力刺激，或者是持续的中等刺激)，神经元会在该时刻产生一个脉冲，紧接着神经元膜电位发生复极化和超极化，即膜电位迅速下降至静息电位以下，在经过不应期(绝对不应期、相对不应期)后，才缓慢上升回静息电位。在不应期期间，神经元对外部刺激的感受减弱，任何外部刺激对神经元的膜电位几乎没有影响。
4.现有的神经元模型因其设计角度的原因，只能够表征大脑中部分类型神经元的活动机制，不具有通用性和普适性。此外，由微分方程组构成的神经元模型，如lif模型，hodgkin-huxley模型，izhikevich模型中含有大量的超参数，需要专家依靠经验手动调整这些超参数以此来仿真神经元特定的活动机制，耗时耗力。基于时域构建的生神经元模型，如脉冲响应模型，点过程模型则需要大量的参数，因为每一个参数都对应膜电位和脉冲的历史信息。参数越多，仿真精度越高。所以减少参数的数量会导致模型的仿真精度急剧下降，意味着该类模型不具有鲁棒性。
5.为了利于深入理解神经细胞的工作机理以及有利于开发新的人工神经网络算法和硬件电路，亟需一种新的仿真方法及系统。


技术实现要素：

6.本发明的目的是提供一种膜电位数据生成方法及系统，能够提高膜电位数据的仿真精度。
7.为实现上述目的，本发明提供了如下方案：一种膜电位数据生成方法，包括：获取外部刺激信息以及上一时刻的脉冲；所述外部刺激信息包括：当前时刻的白噪声以及当前时刻输入的膜电位或当前时刻输入的脉冲；根据外部刺激信息，利用神经元模型，输出当前时刻的膜电位数据；所述神经元模
型包括：第一时频转换器、膜电位滤波器、第二时频转换器以及脉冲滤波器；所述神经元模型输出当前时刻的膜电位数据的过程为：利用所述第一时频转换器将所述外部刺激信息从时域转换为频域；利用所述膜电位滤波器对转换后的外部刺激信息进行滤波；利用所述第二时频转换器将上一时刻的脉冲从时域转换为频域；利用所述脉冲滤波器对转换后的上一时刻的脉冲进行滤波；根据滤波后的外部刺激信息和滤波后的上一时刻的脉冲，输出当前时刻的膜电位数据。
8.可选地，所述利用所述第一时频转换器将所述外部刺激信息从时域转换为频域，具体包括：利用公式确定转换后的外部刺激信息；其中，为神经元j接收的转换后的外部刺激信息，为神经元j接收的外部刺激信息，为傅里叶基函数，t为当前时刻，k为傅里叶基函数对于外部刺激的项数。
9.可选地，所述利用所述膜电位滤波器对转换后的外部刺激信息进行滤波，具体包括：利用公式确定滤波后的外部刺激信息；其中，为权重，为神经元j滤波后的外部刺激信息。
10.可选地，所述利用所述第二时频转换器将上一时刻的脉冲从时域转换为频域，具体包括：利用公式确定转换后的上一时刻的脉冲；其中，为神经元j的上一时刻的脉冲，是傅里叶基函数，t-1为上一时刻，为神经元j转换后的上一时刻的脉冲，l为傅里叶基函数对于脉冲的项数。
11.可选地，所述利用所述脉冲滤波器对转换后的上一时刻的脉冲进行滤波，具体包括：利用公式确定滤波后的上一时刻的脉冲；其中，为神经元j滤波后的上一时刻的脉冲，为权重。
12.可选地，所述根据滤波后的外部刺激信息和滤波后的上一时刻的脉冲，输出当前时刻的膜电位数据，具体包括：利用公式输出当前时刻的膜电位数据；
其中，为神经元j当前时刻的膜电位数据，为神经元j的静息电位。
13.一种膜电位数据生成系统，包括：数据获取模块，用于获取外部刺激信息以及上一时刻的脉冲；所述外部刺激信息包括：当前时刻的白噪声以及当前时刻输入的膜电位或当前时刻输入的脉冲；膜电位数据输出模块，用于根据外部刺激信息，利用神经元模型，输出当前时刻的膜电位数据；所述神经元模型包括：第一时频转换器、膜电位滤波器、第二时频转换器以及脉冲滤波器；所述神经元模型输出当前时刻的膜电位数据的过程为：利用所述第一时频转换器将所述外部刺激信息从时域转换为频域；利用所述膜电位滤波器对转换后的外部刺激信息进行滤波；利用所述第二时频转换器将上一时刻的脉冲从时域转换为频域；利用所述脉冲滤波器对转换后的上一时刻的脉冲进行滤波；根据滤波后的外部刺激信息和滤波后的上一时刻的脉冲，输出当前时刻的膜电位数据。
14.根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明所提供的一种膜电位数据生成方法及系统，神经元模型中的膜电位滤波器和脉冲滤波器通过振荡来传递信息的机制，从而可以仿真任意神经元的活动机制；利用了神经元在特定频率内传递信号的机制，将信号从时域转换到频域，在少量参数下保持了高的仿真精度。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明所提供的一种膜电位数据生成方法流程示意图；图2为本发明所提供的的神经元模型结构示意图；图3为本发明所提供的一种膜电位数据生成系统结构示意图；图4为生物神经元接受外部刺激信号的示意图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.本发明的目的是提供一种膜电位数据生成方法及系统，能够提高膜电位数据的仿真精度。
19.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
20.图1为本发明所提供的一种膜电位数据生成方法流程示意图，如图1所示，本发明所提供的的一种膜电位数据生成方法，包括：s101，获取外部刺激信息以及上一时刻的脉冲；所述外部刺激信息包括：当前时刻的白噪声以及当前时刻输入的膜电位或当前时刻输入的脉冲；其中，外部刺激信息可以通过以下公式确定：；；其中，为白噪声，为神经元i的膜电位，为神经元i的脉冲。
21.是神经元i的膜电位或神经元i的脉冲的权重，因为每一个神经元i传递给神经元j的膜电位信息重要度是不一样的，所以需要由权重来表示。mi是白噪声的权重。大脑中无时无刻都存在白噪声，白噪声并不意味着是坏事，一定程度的白噪声可以有助于神经元间信息的传递。公式中，有益的白噪声对应较大的权重，有害的白噪声对应较小的权重。和mi通过赫布准则或stdp求出。
22.s102，根据外部刺激信息，利用神经元模型，输出当前时刻的膜电位数据；如图2所示，所述神经元模型包括：第一时频转换器、膜电位滤波器、第二时频转换器以及脉冲滤波器；所述神经元模型输出当前时刻的膜电位数据的过程为：s201，利用所述第一时频转换器将所述外部刺激信息从时域转换为频域；s201具体包括：利用公式确定转换后的外部刺激信息；其中，为神经元j接收的转换后的外部刺激信息，为神经元j接收的外部刺激信息，为傅里叶基函数，t为当前时刻，k为傅里叶基函数对于外部刺激的项数。
23.s202，利用所述膜电位滤波器对转换后的外部刺激信息进行滤波；s202具体包括：利用公式确定滤波后的外部刺激信息；膜电位滤波器是一种加权求和的操作，目的是强调作用大的频率，同时减少无益频率的影响。从神经生物学的角度，大部分时间，神经元间传递信息是通过低频的方式，因为低频能耗更低，更节能。该膜电位滤波器借鉴了这个机制，赋予特定频率大的权重，从而突出这些频率的作用。
24.其中，为权重，通过含有l1正则化的优化算法求出，具有稀疏性；为神经
元j滤波后的外部刺激信息。
25.s203，利用所述第二时频转换器将上一时刻的脉冲从时域转换为频域；s203具体包括：利用公式确定转换后的上一时刻的脉冲；其中，为神经元j的上一时刻的脉冲，是傅里叶基函数，t-1为上一时刻，为神经元j转换后的上一时刻的脉冲，l为傅里叶基函数对于脉冲的项数。理论上傅里叶基函数对于外部刺激的项数有无限个，这里根据外部刺激或脉冲的实际情况来决定项数的个数，固外部刺激和脉冲对应的傅里叶基函数都项数数量有差别。
26.s204，利用所述脉冲滤波器对转换后的上一时刻的脉冲进行滤波；具体包括：利用公式确定滤波后的上一时刻的脉冲；脉冲滤波器是一种加权求和的操作，目的是强调作用大的频率，同时减少无益频率的影响。从神经生物学的角度，大部分时间，神经元间传递信息是通过低频的方式，因为低频能耗更低，更节能。该脉冲滤波器借鉴了这个机制，赋予特定频率大的权重，从而突出这些频率的作用。
27.其中，为神经元j滤波后的上一时刻的脉冲，为权重，通过含有l1正则化的优化算法求出，具有稀疏性。
28.s205，根据滤波后的外部刺激信息和滤波后的上一时刻的脉冲，输出当前时刻的膜电位数据。神经元的脉冲的数量与不应期相关。在一段时间内，如果神经元脉冲的数量增加，则不应期也相应的延长，即该神经元更不容易发放脉冲。神经元的不应期可以解释具有适应机制的脉冲模式，所以不应期机制对于构造通用神经元模型是不可缺少的。上一时刻的脉冲被整合进模型中，用于展现神经元的不应期机制。
29.s205具体包括：利用公式输出当前时刻的膜电位数据；其中，为神经元j当前时刻的膜电位数据，为神经元j的静息电位。
30.图3为本发明所提供的一种膜电位数据生成系统结构示意图，如图3所示，本发明所提供的的一种膜电位数据生成系统，包括：数据获取模块301，用于获取外部刺激信息以及上一时刻的脉冲；所述外部刺激信息包括：当前时刻的白噪声以及当前时刻输入的膜电位或当前时刻输入的脉冲；膜电位数据输出模块302，用于根据外部刺激信息，利用神经元模型，输出当前时刻的膜电位数据；所述神经元模型包括：第一时频转换器、膜电位滤波器、第二时频转换器以及脉冲滤波器；所述神经元模型输出当前时刻的膜电位数据的过程为：利用所述第一时频转换器将所述外部刺激信息从时域转换为频域；利用所述膜电位滤波器对转换后的外部刺激信息进行滤波；
利用所述第二时频转换器将上一时刻的脉冲从时域转换为频域；利用所述脉冲滤波器对转换后的上一时刻的脉冲进行滤波；根据滤波后的外部刺激信息和滤波后的上一时刻的脉冲，输出当前时刻的膜电位数据。
31.采用本发明构建人工神经网络模型，构建的人工神经网络模型用于车辆识别、人脸识别和语言处理，提高了人工神经网络模型识别的准确性，降低了计算量。
32.脉冲神经网络作为第三代人工神经网络，是由生物神经元模型构成。相比于当前的神经网络，脉冲神经网络在复杂数据的处理和能耗方便有着巨大优势。具体而言，得益于生物神经元模型的特性，脉冲神经网络可以同时处理含有时间域和空间域的数据，同时，脉冲神经网络中通过脉冲来传递信息(值为0,1)，相较于传统人工神经网络依靠浮点数传递信息，脉冲神经网络所需计算量更低，从而节约了大量能耗。
33.作为第三代人工神经网络，脉冲神经网络近年来在各个领域都有突出表现，如物体识别、人脸识别、自然语言处理、脑机接口等。具体而言，在物体识别领域，基于lif模型构成的脉冲神经网络spike-based bp snn，在mnist、cifar-10、和svhn数据集上取得了与传统人工神经网络vgg和resnet相似的精度，同时计算量更低。
34.生物神经元模型的实际作用有三个方面。(1)从生物神经学和计算神经学角度，科学家通过生物神经学模型来理解生物神经元的运行机制、生物神经元之间的交互机制等，通过观察这些机制，也帮助修正现有生物神经元模型的不足。(2)从脑科学和类脑计算角度，为了探索大脑的奥秘，理解脑内活动与人类感知、运动和决策的关系，运用脑电信息如脑机接口等来帮助人类，如治疗癫痫、让残疾人控制机械臂等。现在的重点工作时制作人类大脑图谱，即通过计算机将人类大脑内每个神经元以及神经元间的连接都完全模拟出来，希望对任意的外部刺激，计算机仿真出的大脑活动与人脑活动一致。人类大脑图谱中用到的神经元就是生物神经元模型。(3)从人工神经网络角度，人工神经网络脱胎于计算神经学，其神经元模型是简单的权重乘以输入(w*x)，并搭配激活函数，这种神经元模型是生物神经元模型的高度简化。当初受制于上个世纪电脑算力的限制，才没有采用完整的生物神经元。目前，人工神经网络已经展现出强大的能力，其在各个领域的应用都有优秀的表现。但是人工神经网络也有局限，如能耗巨大、不具备推理能力等。随着现在电脑算力的提升，在人工神经网络中用生物神经元来代替当前高度简化的神经元是大势所趋，希望以此使人工神经网络能节能，同时也能获得像人一样的推理能力。
35.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
36.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。