基于事件空间迭代的时序到首冲脉冲神经网络用于推特机器人分类
神经与进化计算
2024-07-15 v1 机器学习
摘要
本研究提出了一种框架，扩展了现有的基于时序编码时序到首冲脉冲神经网络（SNN）模型，使其能够处理随时间变化的信息。我们解释通过具有多个输入与输出脉冲的神经元模型中的脉冲传播，并设计了用于端到端反向传播的训练规则。该策略使我们能够处理随时间变化的信息。该模型在Twitter机器人检测任务上进行训练和评估，其中事件（推文和转发）发生的时间是信息的主要载体。选择该任务是为了评估所提出SNN如何处理由数百个事件组成的脉冲序列数据，这些事件在几乎相差五个数量级的时间尺度上发生。分析了 various 参数对模型属性、性能和训练时间稳定性的影响。
关键词
引用
@article{arxiv.2407.08746,
title = {Iteration over event space in time-to-first-spike spiking neural networks for Twitter bot classification},
author = {Mateusz Pabian and Dominik Rzepka and Mirosław Pawlak},
journal= {arXiv preprint arXiv:2407.08746},
year = {2024}
}