隐式狄利克雷模型的事件驱动的坍缩吉布斯采样方法

摘要

本发明提供隐式狄利克雷模型的事件驱动的坍缩吉布斯采样方法包括：将数据集中每个单词和对应文档逐一呈现给预设结构神经网络，表示当前单词及表示当前文档的可见层神经元以实时频率根据泊松过程发放电脉冲并沿突触连结传递至隐层；各隐层神经元根据改变的膜内电压计算其实时放电频率并以泊松过程发放电脉冲；根据隐层发放电脉冲方式更新注入隐层神经元的反馈周边抑制信号；从一可见层神经元到一隐层神经元的突触连结强度根据它们发放电脉冲的相对时间差及该突触当前连结强度更新；处理完数据集所有文本为一次迭代，迭代次数达到预设值时从神经网络的参数中提取隐式狄利克雷模型的参数。本方法空间复杂度低、原则上能用于类脑芯片上做低能耗计算。