基于脉冲时序依赖可塑性的脉冲神经网络泛化性表征
神经与进化计算
2021-08-10 v2 人工智能
摘要
脉冲神经网络（SNN）利用脉冲时序依赖可塑性（STDP）进行训练，这是一种受神经启发的无监督学习方法，适用于多种机器学习应用。本文利用学习算法轨迹的 Hausdorff 维数研究 STDP 学习过程的泛化性质。文中分析了 STDP 学习模型及其相关超参数对 SNN 泛化性质的影响。该分析被用于开发一种贝叶斯优化方法，以优化 STDP 模型的超参数，从而改善 SNN 的泛化性质。
引用
@article{arxiv.2105.14677,
title = {Characterization of Generalizability of Spike Timing Dependent Plasticity trained Spiking Neural Networks},
author = {Biswadeep Chakraborty and Saibal Mukhopadhyay},
journal= {arXiv preprint arXiv:2105.14677},
year = {2021}
}
备注
23 pages, submitted to Frontiers in Neuroscience. arXiv admin note: text overlap with arXiv:2010.08195, arXiv:2006.09313 by other authors