在脉冲神经网络中将噪声作为计算与学习的资源加以利用
神经与进化计算
2023-09-18 v6 人工智能
机器学习
摘要
脉冲神经元网络是大脑非凡信息处理能力的基础，并已成为神经形态人工智能中的支柱模型。尽管对脉冲神经网络（SNNs）的研究广泛，大多数研究建立在确定性模型之上，忽视了神经计算固有的非确定性与噪声本质。本研究通过引入噪声神经元动力学以利用噪声神经处理的计算优势，提出了噪声脉冲神经网络（NSNN）和噪声驱动学习规则（NDL）。NSNN提供了一个理论框架，可实现可扩展、灵活且可靠的计算。我们证明，NSNN产生的脉冲神经模型具有具竞争力的性能，比确定性SNNs对挑战性扰动具有更好的鲁棒性，并能更好地复现神经编码中的概率计算。本研究为机器学习、神经形态智能从业者和计算神经科学研究者提供了一个强大且易用的工具。
引用
@article{arxiv.2305.16044,
title = {Exploiting Noise as a Resource for Computation and Learning in Spiking Neural Networks},
author = {Gehua Ma and Rui Yan and Huajin Tang},
journal= {arXiv preprint arXiv:2305.16044},
year = {2023}
}
备注
36 pages, 9 figures, 4 tables. Formal version available at https://cell.com/patterns/fulltext/S2666-3899(23)00200-3