脉冲神经元上 Hebbian 与 STDP 学习权重的约束
机器学习
2020-12-15 v1 人工智能
神经与进化计算
摘要
我们从数学上分析了将 Hebbian 和 STDP 学习规则应用于带权重归一化的脉冲神经元时，权重所满足的约束。在纯 Hebbian 学习情形下，我们发现归一化权重等于权重的提升概率，直至依赖于学习率且通常很小的修正项。对于 STDP 算法可导出类似关系，其中归一化权重值反映该权重提升与抑制概率之差。这些关系具有实用价值，可用于检验 Hebbian 与 STDP 算法的收敛性。另一应用是新颖性检测。我们使用 MNIST 数据集对此进行了演示。
引用
@article{arxiv.2012.07664,
title = {Constraints on Hebbian and STDP learned weights of a spiking neuron},
author = {Dominique Chu and Huy Le Nguyen},
journal= {arXiv preprint arXiv:2012.07664},
year = {2020}
}