用于图像分类的深度卷积脉冲神经网络
神经与进化计算
2019-09-26 v2
摘要
脉冲神经网络是人工神经网络的生物学合理对应物，人工神经网络通常使用随机梯度下降进行训练，而脉冲神经网络则使用时序依赖可塑性进行训练。训练深度卷积神经网络是一项耗费内存和算力的任务。脉冲网络有可能有助于降低功耗。有大量工具可供选择来训练任意规模的人工神经网络，另一方面，所有可用的脉冲神经网络仿真工具都面向计算神经科学应用，不适合实际应用场景。在这项工作中，我们专注于使用 Tensorflow 实现脉冲 CNN，以检验网络的行为，并通过经验研究各种参数对学习能力的效应，同时利用 MNIST 和 N-MNIST 数据集研究脉冲 CNN 中的灾难性遗忘以及 R-STDP 中的权重初始化问题。
引用
@article{arxiv.1903.12272,
title = {Deep Convolutional Spiking Neural Networks for Image Classification},
author = {Ruthvik Vaila and John Chiasson and Vishal Saxena},
journal= {arXiv preprint arXiv:1903.12272},
year = {2019}
}