基于脉冲神经网络的类比与关系推理
神经与进化计算
2021-08-18 v2 人工智能
机器学习
摘要
瑞文推理测验（Raven's Progressive Matrices）已被广泛用于衡量人类的抽象推理与智力。然而对于人工学习系统而言，抽象推理仍是一个具有挑战性的问题。在本文中，我们探究了增强有生物启发式脉冲模块的神经网络的性能。为说明这一点，我们首先考察了我们的网络在监督学习下的表现，随后在无监督学习下进行了考察。在 RAVEN 数据集上的实验表明，我们监督式网络的总体准确率超越了人类水平，而无监督网络则显著优于现有的无监督方法。最后，我们来自监督与无监督学习的结果表明，与非增强对应网络不同，带有脉冲模块的网络能够在无任何显式指令的情况下提取并编码时间特征，不严重依赖训练数据，且更易泛化至新问题。总之，此处报告的结果表明，带有脉冲模块的人工神经网络非常适于解决抽象推理。
引用
@article{arxiv.2010.06746,
title = {Analogical and Relational Reasoning with Spiking Neural Networks},
author = {Rollin Omari and R. I. McKay and Tom Gedeon},
journal= {arXiv preprint arXiv:2010.06746},
year = {2021}
}
备注
Problems were discovered with the details of the experiments involving the LSM neural network, the results reported were not correct. A new version of the paper is in progress with corrected results