主讲人：王子剑

主讲人简介：硕士生导师。本科就读于同济大学，随后本校直接攻读博士，并于2020年获得同济大学博士学位。在类脑智能，类脑交叉领域应用方向开展科研工作。在国内外高水平期刊和会议发表论文20余篇，成果发表于IJIS、IEEE Trans等重要国际期刊。主持中央高校专项资金项目1项，并参与了包括国家重点研发计划项目、国家科技支撑计划、国家自然科学基金重大研究计划培育项目、国家自然科学基金面上项目等多项重大课题。

讲座摘要：

类脑智能算法主要通过对生物神经系统的模拟，构建更符合生物神经系统原理的人工智能算法及计算框架。近年来，起源于神经科学理论基础的脉冲神经网络(spike neural network, SNNs)已成为类脑计算领域的主流框架之一。然而，目前snn使用的基于反向传播(BP)直接训练的Leaky Integration‐and‐Fire (LIF)神经元模型大多没有考虑周期性连接的变化和神经元连接的动态强度随时间的变化。我们提出了一种具有循环连接的LIF神经元模型及一种动态改变突触前电流的方法。与经典的LIF神经元相比，提出的LIF神经元具有额外的循环连接。此外，我们还提出了一种高效、灵活的LIF循环神经元BP训练方法。在上述方法的基础上，我们提出了基于反向传播的具有动态突触前电流的递归SNN (RDS‐BP)。该方法在多个图像数据集和文本数据集的性能超过了近年来其他先进的SNN方法。

时间：9月13日12：30

地点：1号学院楼140