一种神经脉冲方法在逐步像素擦除任务上与深度前馈网络的比较
机器学习
2019-12-09 v1 计算机视觉与模式识别
神经与进化计算
机器学习
摘要
在真实世界场景中，物体常常被部分遮挡，这要求物体识别对这些扰动具有鲁棒性。卷积网络在分类任务中已展现出良好的性能。学习到的卷积滤波器似乎类似于初级视觉皮层中简单细胞的感受野。作为替代，脉冲神经网络在生物学上更为合理。我们开发了一个两层脉冲网络，使用生物学上合理的学习规则在自然场景上训练，并在 MNIST 的逐步像素擦除分类任务上与两个深度卷积神经网络进行比较。与这些网络相比，该脉冲方法取得了良好的准确率和鲁棒性。
引用
@article{arxiv.1912.03201,
title = {A Neural Spiking Approach Compared to Deep Feedforward Networks on Stepwise Pixel Erasement},
author = {René Larisch and Michael Teichmann and Fred H. Hamker},
journal= {arXiv preprint arXiv:1912.03201},
year = {2019}
}
备注
Published in ICANN 2018: Artificial Neural Networks and Machine Learning - ICANN 2018 https://link.springer.com/chapter/10.1007/978-3-030-01418-6_25 The final authenticated publication is available online at https://doi.org/10.1007/978-3-030-01418-6_25