具有可塑性的脉冲神经形态网络临界性与计算的控制
新兴技术
2020-11-05 v2 统计计算
摘要
临界态被假定为循环神经网络中任何计算的最优状态，因为临界性使若干抽象计算性质最大化。我们通过评估脉冲循环神经网络在临界网络动力学处及其偏离处的不同复杂度任务集上的表现来挑战这一假设。为此，我们在神经形态芯片上开发了具有突触可塑性的脉冲网络。我们表明，通过改变输入强度可轻松调节距临界性的距离，并随后展示了临界性、任务表现与信息论指纹之间的明确关系。尽管信息论度量均显示网络容量在临界处最大，但对于特定任务的表现并非如此：仅复杂、记忆密集型任务从临界性中获益，而简单任务受其损害。由此，我们挑战了临界性对任意任务均有益的一般假设，转而提供了集体网络状态应如何根据任务需求调谐以实现最优表现的理解。
引用
@article{arxiv.1909.08418,
title = {Control of criticality and computation in spiking neuromorphic networks with plasticity},
author = {Benjamin Cramer and David Stöckel and Markus Kreft and Michael Wibral and Johannes Schemmel and Karlheinz Meier and Viola Priesemann},
journal= {arXiv preprint arXiv:1909.08418},
year = {2020}
}