基于线性漏积分发放神经元模型的脉冲神经网络及其与深度神经网络的映射关系
神经与进化计算
2022-07-12 v1 人工智能
机器学习
摘要
脉冲神经网络（SNNs）是受脑启发的机器学习算法，具有生物合理性和无监督学习能力等优点。先前的工作表明，将人工神经网络（ANNs）转换为SNNs是实现SNN的一种实用且高效的方法。然而，训练无精度损失的SNN缺乏基本原理和理论基础。本文建立了线性漏积分发放模型（LIF）/SNNs的生物参数与ReLU-AN/深度神经网络（DNNs）参数之间的精确数学映射。该映射关系在特定条件下得到解析证明，并通过仿真和真实数据实验加以验证。它可作为这两类神经网络各自优点潜在结合的理论基础。
引用
@article{arxiv.2207.04889,
title = {Linear Leaky-Integrate-and-Fire Neuron Model Based Spiking Neural Networks and Its Mapping Relationship to Deep Neural Networks},
author = {Sijia Lu and Feng Xu},
journal= {arXiv preprint arXiv:2207.04889},
year = {2022}
}