受生物稳态启发的脉冲神经网络动态权重适应机制
神经与进化计算
2025-11-25 v1 人工智能
摘要
稳态机制在大脑神经电路中发挥着关键作用。通过调节生理和生化过程，这些机制确保了有机体内部环境的稳定，从而使其更好地适应外部变化。在这些机制中，贝内恩伯斯特、库珀和穆莫（BCM）理论已被广泛研究，作为维持生物系统中突触强度平衡的关键原则。尽管脉冲神经网络（SNN）作为仿生神经网络模型得到了广泛发展，但在机器学习领域尚无任何工作将生物可信的 BCM 公式集成到 SNN 中以提供稳态功能。本研究提出一种受 BCM 理论启发的脉冲神经网络动态权重适应机制（DWAM）。DWAM 可集成到宿主 SNN 中，实时动态调整网络权重以调节神经元活动，为宿主 SNN 提供稳态功能，无需任何微调。我们通过动态障碍规避和持续控制任务，在正常条件和特意设计的退化条件下验证了该方法。实验结果表明，DWAM 不仅在各种退化条件下提升了没有稳态机制的 SNN 性能，还进一步提高了已集成稳态机制的 SNN 性能。
引用
@article{arxiv.2511.17563,
title = {Dynamic Weight Adaptation in Spiking Neural Networks Inspired by Biological Homeostasis},
author = {Yunduo Zhou and Bo Dong and Chang Li and Yuanchen Wang and Xuefeng Yin and Yang Wang and Xin Yang},
journal= {arXiv preprint arXiv:2511.17563},
year = {2025}
}