通过电导动态扰动在脉冲神经网络中进行梯度学习
神经元与认知
2007-05-23 v1
摘要
我们提出了一种估计目标函数相对于脉冲神经网络突触权重的梯度的方法。该方法通过测量目标函数对神经元膜电导动态扰动的响应波动来工作。它与具有动态突触的基于电导的模型神经元的递归网络兼容。如果动态扰动由来自外部源的随机脉冲序列驱动的特殊类别的“经验”突触产生，则该方法可解释为一种生物学上合理的突触学习规则。
引用
@article{arxiv.q-bio/0601028,
title = {Gradient learning in spiking neural networks by dynamic perturbation of conductances},
author = {Ila R. Fiete and H. Sebastian Seung},
journal= {arXiv preprint arXiv:q-bio/0601028},
year = {2007}
}
备注
5 pages; 1 figure; submitted to PRL