脉冲神经网络实现高斯信念传播
神经与进化计算
2025-12-12 v1
摘要
贝叶斯推断为自然智能体的信息处理提供了原则性的解释。然而，神经机制如何执行其抽象操作仍然是一个开放问题。我们检验了一个假设，即分布式形式的贝叶斯推断——即因子图上的消息传递——由一组模拟的漏电积分-发放神经元网络执行。具体而言，我们通过将进入因子节点的消息编码为脉冲信号，在脉冲神经网络 (SNN) 中传播这些信号，并将脉冲信号解码回传出消息。三个核心线性操作——等价（分支）、加法和乘法——在漏电积分-发放模型网络中实现。与标准和积算法的验证表明消息更新准确，而应用于卡尔曼滤波和贝叶斯线性回归则展示了该框架在静态和动态推理任务中的潜力。我们的结果向生物学基础的神经形态概率推理实现迈出了一步。
引用
@article{arxiv.2512.10638,
title = {A Spiking Neural Network Implementation of Gaussian Belief Propagation},
author = {Sepideh Adamiat and Wouter M. Kouw and Bert de Vries},
journal= {arXiv preprint arXiv:2512.10638},
year = {2025}
}