一种用于神经形态硬件实现的在线学习算法
神经与进化计算
2017-08-01 v2
摘要
我们提出了一种用于称为可训练模拟模块（Trainable Analogue Block, TAB）的神经形态硬件框架的基于符号的在线学习（SOL）算法。TAB框架利用神经群体编码原理，意味着它使用大型非线性神经元池对输入刺激进行编码。SOL算法是一种简单的权重更新规则，它采用隐藏层激活的符号和输出误差的符号，其中输出误差是目标输出与预测输出之差。SOL算法易于在硬件中实现，并且可用于任何通过最小化凸代价函数学习权重的人工神经网络框架。我们展示了TAB框架可以使用SOL算法训练用于各种回归任务。
引用
@article{arxiv.1505.02495,
title = {An Online Learning Algorithm for Neuromorphic Hardware Implementation},
author = {Chetan Singh Thakur and Runchun Wang and Saeed Afshar and Gregory Cohen and Tara Julia Hamilton and Jonathan Tapson and Andre van Schaik},
journal= {arXiv preprint arXiv:1505.02495},
year = {2017}
}
备注
8 pages