CSP认证202109T3-脉冲神经网络(优化)

本文探讨了一种改进的神经网络模型实现,通过引入循环队列优化了信号传递过程,避免了逐个突触遍历,从而显著提高了处理大规模数据时的效率。作者详细介绍了从原始思路到优化思路的转变,并提供了C++代码示例。

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

66分的思路(数据量大时超时)

  • 存储每个神经元,每个突触,每个源。
  • 每个突触具有一个(待发出)队列,其中元素表示该脉冲的发出时间
  • 对每个时间步:
    • 遍历每个突触,若队首元素加上该突触的D等于该时间则到达神经元I_k加上对应的值
    • 每个神经元更新状态。如果激活则在对应突触队列中增加一条信息。
    • 对每个源同样

100分思路(循环队列优化)

  • 上述每个时间步的循环步骤中需要遍历每个突触。能否将每个神经元结点(源)发出的信号就保留在目标神经元中(不断累计)并到时就加入?这样避免了遍历突触
  • 对每个神经元使用一个数组其每个时间点将要到来的I_k。
  • 该数组是一个循环队列。维护cur指针在当前时间点指向当前队列首部。由于延时D至多为1000,因此该队列长度至多1001.
#include <iostream>
#include<vector>
#include<map>
#include<string>
#include<set>
#include<algorithm>
#include<queue>
using namespace std;
double delay[1003][1003];   //每个结点在该时间步得到的(循环队列节约空间)
double v[1001];  //每个结点的v值,当前时间步
double u[1001];  //每个结点的u值,当前时间步
double a[1001],b[1001],c[1001],d[1001];  //每个结点的常数
int r[1001];  //发射结点的常数
int f[1001];  //每个结点的发射次数
struct ed
{
   
   
    int to;   //到达
    double w;     //边容量
    int D;
};
struct ed edge[1001];
//和哪条边连接
vector<ed> n_g[1001];
vector
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值