BioLCNet：奖励调制的局域连接脉冲神经网络
神经与进化计算
2022-07-08 v5 计算机视觉与模式识别
机器学习
神经元与认知
摘要
受脑启发的计算与信息处理以及与神经形态硬件的兼容性，使脉冲神经网络（SNN）成为解决机器学习（ML）中学习任务的一种有前景的方法。脉冲神经元仅是构建生物可信学习模型的要素之一。在开发此类人工智能体时，网络架构与学习规则是其他需要考虑的重要因素。本工作中，受人类视觉通路及多巴胺在学习中作用的启发，我们提出一种用于视觉学习任务的奖励调制局域连接脉冲神经网络 BioLCNet。为从泊松分布脉冲序列中提取视觉特征，我们使用了相较于带权值共享的卷积滤波器更类似于生物视觉系统的局域滤波器。在解码层，我们应用基于脉冲群体的投票方案以确定网络决策。我们采用脉冲时序依赖可塑性（STDP）学习视觉特征，并采用其奖励调制变体（R-STDP）基于奖励或惩罚反馈信号训练解码器。为评估，我们首先在经典条件作用实验中评估了奖励机制对变化目标响应的鲁棒性。随后，我们在 MNIST 与 XOR MNIST 数据集的图像分类任务上评估了网络性能。
引用
@article{arxiv.2109.05539,
title = {BioLCNet: Reward-modulated Locally Connected Spiking Neural Networks},
author = {Hafez Ghaemi and Erfan Mirzaei and Mahbod Nouri and Saeed Reza Kheradpisheh},
journal= {arXiv preprint arXiv:2109.05539},
year = {2022}
}
备注
15 pages, 6 figures