基于菌群优化Spiking神经网络的渲染时间估计

为了提高三维模型渲染时间估计的准确度，采用Spiking神经网络算法进行渲染时间预估。目前，基于Spiking理念的神经网络模型有多种，选择了其中的卷积Spiking神经网络(Convolutional Spike neural network, CSNN)来实现渲染时间计算。首先，建立了基于CSNN的渲染时间预估模型。通过点火时间序列完成编码，从而触发脉冲响应实现数据传递。其次，利用CSNN的权重、卷积核尺寸、偏置等参数来构建菌群优化(Bacterial foraging optimization, BFO)算法，并以渲染时间预估值和实际值的差值作为适应度函数。通过驱化、繁衍和迁徙操作不断更新菌群个体的适应度值来获得最优个体。最后，以最优参数进行CSNN的渲染时间预估。试验结果表明，通过合理设置BFO算法的引力系数、斥力系数和迁徙概率阈值等参数，BFO+CSNN算法能够获得较高的渲染时间预估准确率。相比于其他渲染时间预估算法，BFO+CSNN算法具备更高的渲染时间预估准鲁棒性。