BindsNET：一个面向机器学习的 Python 脉冲神经网络库
神经与进化计算
2019-03-27 v2 神经元与认知
摘要
脉冲神经网络仿真软件的开发是支撑神经系统建模与受生物启发算法发展的关键组成部分。现有软件框架支持广泛的神经功能、软件抽象层级和硬件设备，但通常不适合快速原型设计或应用于机器学习领域的问题。在本文中，我们描述了一个新的用于脉冲神经网络仿真的 Python 包，专门面向机器学习和强化学习。我们的软件称为 BindsNET，支持脉冲网络的快速构建与仿真，并具有用户友好、简洁的语法。BindsNET 构建于 PyTorch 深度神经网络库之上，可实现大规模脉冲网络的快速 CPU 与 GPU 计算。BindsNET 框架可调整以满足其他现有计算与硬件环境的需求，例如 TensorFlow。我们还提供了到 OpenAI gym 库的接口，允许在强化学习问题上训练和评估脉冲网络。我们认为该包促进了脉冲网络在大规模机器学习实验中的使用，并展示了我们设想 BindsNET 在实践中如何使用的若干简单示例。BindsNET 代码可在 https://github.com/Hananel-Hazan/bindsnet 获取。
引用
@article{arxiv.1806.01423,
title = {BindsNET: A machine learning-oriented spiking neural networks library in Python},
author = {Hananel Hazan and Daniel J. Saunders and Hassaan Khan and Darpan T. Sanghavi and Hava T. Siegelmann and Robert Kozma},
journal= {arXiv preprint arXiv:1806.01423},
year = {2019}
}