通过脉冲神经网络中传播延迟的局部学习

我们提出了一种用于脉冲神经网络的新型局部学习规则，其中脉冲传播时间经历活动依赖的可塑性。我们的可塑性规则对齐突触前脉冲时间以产生更强且更快速的响应。输入由延迟编码表示，输出通过匹配相似的输出脉冲活动模式来解码。我们在一个三层前馈网络中展示了该方法的使用，其输入来自手写数字数据库。网络在训练后一致地提升了分类准确率，且使用该方法的训练还使网络能够泛化到训练期间未见的输入类别。我们提出的方法利用了脉冲神经元支持许多不同时间锁定脉冲序列的能力，其中每个序列可由不同的输入激活引发。此处所示的概念验证展示了局部延迟学习在扩展脉冲神经网络记忆容量与泛化能力方面的巨大潜力。