evt_MNIST：传统MNIST的基于脉冲的版本
神经与进化计算
2016-04-25 v1
摘要
基准和数据集在评估机器学习算法和神经网络实现中具有重要作用。传统的图像数据集如MNIST被用于评估神经网络中不同训练算法的效率。这一需求在脉冲神经网络(SNN)中有所不同，因为它们需要脉冲输入。人们广泛认为，在生物皮层中脉冲时序是不规则的。泊松分布为生成适当脉冲中的不规则性提供了充分的描述。在此，我们引入MNSIT（手写数字数据集）的基于脉冲的版本，使用泊松分布，并展示所生成流的泊松性质。我们介绍了evt_MNIST的一个新版本，可用于神经网络评估。
引用
@article{arxiv.1604.06751,
title = {evt_MNIST: A spike based version of traditional MNIST},
author = {Mazdak Fatahi and Mahmood Ahmadi and Mahyar Shahsavari and Arash Ahmadi and Philippe Devienne},
journal= {arXiv preprint arXiv:1604.06751},
year = {2016}
}