采用共振-放电神经元的深度脉冲神经网络
神经与进化计算
2021-09-20 v1 机器学习
摘要
在本工作中，我们探索了一种新的脉冲神经网络（SNN）形式，其使用共振-放电（RAF）神经元（Izhikevich, 2001），并通过反向传播以梯度下降进行训练。RAF-SNN虽然具有更高的生物学合理性，但在机器学习文献中的不同网络配置下取得了与常规模型相当或更高的性能，且使用相似或更少的参数。引人注目的是，RAF-SNN在测试/训练时注入的噪声下，在静态与动态条件下均表现出鲁棒性。在MNIST上对比CNN，我们展示了在测试时注入N(0, 0.2)噪声情况下绝对准确率高出25%。在N-MNIST上对比LSTM，我们展示了在训练时注入20%噪声情况下绝对准确率高出70%。
引用
@article{arxiv.2109.08234,
title = {Deep Spiking Neural Networks with Resonate-and-Fire Neurons},
author = {Badr AlKhamissi and Muhammad ElNokrashy and David Bernal-Casas},
journal= {arXiv preprint arXiv:2109.08234},
year = {2021}
}
备注
Preprint