Minst综合案例

本案例是一个结合机器视觉、脉冲编码、模型建立、突触可塑性、突触可塑性更改、权重正则化、模型编译运行、模型保存， 模型二次加载运行的综合案例。

网络结构

如图所示，宽度为28x28的Minist手写数字图像经过脉冲编码为784x512的脉冲序列，即共784个输入，每个输入的脉冲周期是512。 脉冲序列输入具有784个输入神经元的输入神经元组input,input通过突触组edge连接到具有10个神经元的General神经元组hidden, hidden自身通过突触组inhibit进行侧抑制连接；运行的过程中，通过Frequency插件frequecies监控hidden的发放频率情况。

PreDrive预训练

第一轮开始，随着脉冲的输入，由于采用了PreDrive的可塑性机制，edge的权重在逐步增加。随着权重的增加， output的神经元开始发放脉冲，被激活；

突触点位激活

多轮后，随着脉冲的输入，output被彻底激活，inhibit 节点由于采用多轮后，随着脉冲的输入了PreDrive的可塑性机制， inhibit的权重在逐步变化，由于设置了学习率为负，因此权重在逐步减少；

BCM产生选择性

20轮后，调整edge的突触可塑性为BCM,如图中第二图，此时突触的变化不是无选择性的增加，而是产生了选择性；

训练结果

经过1000的训练，模型针对不同输入图片，产生了不同的频率发放响应，形成了针对不同输入模式产生不同的脉冲输入响应特性。 本案例先使用PreDrive突触可塑性，使得hidden的神经元充分激活，input到hidden的有效连接被充分建立， 后续调整edge的突触可塑性为BCM,BCM具有选择性，可以针对不同的输入产生选择性。