一种用于以高能效方式计算稀疏表示的脉冲神经元网络
神经与进化计算
2012-10-05 v1 神经元与认知
摘要
计算稀疏冗余表示是应用数学和神经科学中的一个重要问题。在许多应用中，必须以高能效的方式解决这一问题。在此，我们提出了一种混合分布式算法 (HDA)，该算法在通过低带宽信道通信的简单节点网络上解决此问题。HDA 节点既对模拟内部变量执行类似梯度下降的步骤，又通过量化外部变量彼此通信以执行类似坐标下降的步骤。有趣的是，这种操作等效于一个积分 - 发放神经元网络，表明 HDA 可作为神经计算的模型。我们表明 HDA 的数值性能与现有算法相当。在渐近机制下，HDA 的表示误差随时间 t 以 1/t 的速度衰减。HDA 对时变噪声具有稳定性，具体而言，对于高斯白噪声，表示误差以 1/sqrt(t) 的速度衰减。
引用
@article{arxiv.1210.1530,
title = {A network of spiking neurons for computing sparse representations in an energy efficient way},
author = {Tao Hu and Alexander Genkin and Dmitri B. Chklovskii},
journal= {arXiv preprint arXiv:1210.1530},
year = {2012}
}
备注
5 figures Early Access: http://www.mitpressjournals.org/doi/abs/10.1162/NECO_a_00353