BioLeaF：一种用于训练脉冲神经网络的生物可信学习框架
神经与进化计算
2021-11-29 v1 人工智能
摘要
我们的大脑由通过精确脉冲时序编码信息的生物神经元组成，然而我们大脑的架构和学习规则在很大程度上仍未知。相较于近期基于反向传播（BP-based）的方法能够高精度训练脉冲神经网络（SNNs），生物可信方法仍处于起步阶段。在这项工作中，我们希望回答一个问题：是否可能以生物可信机制达到由 BP-based 规则训练的 SNNs 的相当精度。我们提出一个新的生物可信学习框架，由两部分组成：一种新架构及其支持的学习规则。借助两类细胞和四类突触连接，所提出的局部微电路架构可通过局部反馈连接计算并传播误差信号，并支持使用全局定义的脉冲误差函数训练多层 SNNs。在我们的微电路架构下，我们采用在局部区室中运作的脉冲时序依赖可塑性（STDP）规则更新突触权重，并以生物可信方式实现监督学习。最后，我们从优化角度解释所提框架，并展示其在特殊情况下与 BP-based 规则的等价性。我们的实验表明，所提框架展现出与 BP-based 规则相当的学习精度，并可能为生物系统中学习如何被协调提供新见解。
引用
@article{arxiv.2111.13188,
title = {BioLeaF: A Bio-plausible Learning Framework for Training of Spiking Neural Networks},
author = {Yukun Yang and Peng Li},
journal= {arXiv preprint arXiv:2111.13188},
year = {2021}
}