1、神經(jīng)科學(xué)的最新研究成果表明，大腦中神經(jīng)信息是通過脈沖精確定時(shí)編碼的，而不僅僅是通過脈沖發(fā)放頻率來編碼信息?；诿}沖精確定時(shí)編碼的第三代人工神經(jīng)網(wǎng)絡(luò)，即脈沖神經(jīng)網(wǎng)絡(luò)，非常適合實(shí)現(xiàn)大腦神經(jīng)信號(hào)的處理問題，是進(jìn)行復(fù)雜時(shí)空信息處理的有效工具。但由于其內(nèi)在的不連續(xù)和非線性機(jī)制，構(gòu)建高效的脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法非常困難，同時(shí)也是該研究領(lǐng)域的重要問題。
　　本文首先介紹了脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法的基本框架，以及性能評(píng)價(jià)原則，包括脈沖序列學(xué)習(xí)能

2、力、離線與在線處理性能、學(xué)習(xí)規(guī)則的局部特性和對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的適用性。此外，對(duì)脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)算法的梯度下降學(xué)習(xí)規(guī)則、突觸可塑性學(xué)習(xí)規(guī)則和脈沖序列卷積學(xué)習(xí)規(guī)則進(jìn)行了詳細(xì)的討論，通過對(duì)比分析指出了現(xiàn)有算法存在的優(yōu)缺點(diǎn)。
　　其次，基于脈沖序列內(nèi)積的定義，提出了一種新的脈沖神經(jīng)元監(jiān)督學(xué)習(xí)算法。該算法應(yīng)用脈沖序列的內(nèi)積構(gòu)造多脈沖誤差函數(shù)和對(duì)應(yīng)的突觸學(xué)習(xí)規(guī)則，并通過神經(jīng)元的實(shí)際脈沖發(fā)放頻率自適應(yīng)調(diào)整學(xué)習(xí)率。將該算法應(yīng)用于脈沖序列的學(xué)習(xí)任

3、務(wù)，其中期望脈沖序列采用Poisson過程或線性方法編碼，同時(shí)分析了不同學(xué)習(xí)率、不同輸入神經(jīng)元數(shù)目、不同期望輸出脈沖序列的長(zhǎng)度、不同輸入與期望輸出脈沖序列的發(fā)放頻率以及不同核函數(shù)等因素對(duì)該算法學(xué)習(xí)性能的影響。實(shí)驗(yàn)結(jié)果表明該算法具有較高的學(xué)習(xí)精度和良好的適應(yīng)能力，在處理復(fù)雜的時(shí)空模式學(xué)習(xí)問題時(shí)十分有效。
　　最后，將基于脈沖序列內(nèi)積的脈沖神經(jīng)元監(jiān)督學(xué)習(xí)算法推廣到了多層前饋脈沖神經(jīng)網(wǎng)絡(luò)，提出了一種新的基于脈沖序列內(nèi)積的多層前饋脈沖神經(jīng)