对比预测编码与脉冲神经网络的集成
信号处理
2025-06-12 v1 人工智能
摘要
本研究考察对比预测编码（CPC）与脉冲神经网络（SNN）的集成。虽然CPC学习数据的预测结构以生成有意义的表示，SNN则随时间模拟生物神经系统的计算过程。在本研究中，目标是开发一个具有更高生物学合理性的预测编码模型，通过脉冲系统处理输入和输出。所提出的模型在MNIST数据集上进行了测试，在区分正序列样本与非序列负样本方面取得了高分类率。本研究表明CPC可以有效与SNN结合，展示用于分类任务的SNN也可以作为编码机制。项目代码和详细结果可在我们的GitHub页面获取：https://github.com/vnd-ogrenme/ongorusel-kodlama/tree/main/CPC_SNN
引用
@article{arxiv.2506.09194,
title = {Integration of Contrastive Predictive Coding and Spiking Neural Networks},
author = {Emirhan Bilgiç and Neslihan Serap Şengör and Namık Berk Yalabık and Yavuz Selim İşler and Aykut Görkem Gelen and Rahmi Elibol},
journal= {arXiv preprint arXiv:2506.09194},
year = {2025}
}
备注
4 pages, 5 figures, 1 table. Accepted at the 2025 33rd Signal Processing and Communications Applications Conference (SIU)