一种基于监督STDP的活体神经网络训练算法
神经与进化计算
2018-03-23 v3 机器学习
定量方法
机器学习
摘要
神经网络在语音识别、药物发现、图像分类和目标检测等诸多应用中展现出巨大潜力。神经网络模型受生物神经网络启发，但被优化用于在数字计算机上执行机器学习任务。本文工作探索了将体外活体神经网络用作机器学习应用基本计算元素的可能性。该工作提出了一种新的基于监督STDP的学习算法，其考虑了神经元工程约束。在MNIST手写数字识别基准上取得了74.7%的准确率。
引用
@article{arxiv.1710.10944,
title = {A Supervised STDP-based Training Algorithm for Living Neural Networks},
author = {Yuan Zeng and Kevin Devincentis and Yao Xiao and Zubayer Ibne Ferdous and Xiaochen Guo and Zhiyuan Yan and Yevgeny Berdichevsky},
journal= {arXiv preprint arXiv:1710.10944},
year = {2018}
}
备注
5 pages, 3 figures, Accepted by ICASSP 2018