脉冲神经网络中层次概念的多神经元表征

我们描述了如何在三种类型的分层神经网络中表示层次概念。其目的是支持在仅呈现关于概念的部分信息时，以及网络中某些神经元可能失效时对概念的识别。我们的失效模型涉及初始随机失效。这三种网络类型是：高连接性的前馈网络、低连接性的前馈网络，以及具有低连接性且同时具有前向边和层内“横向”边的分层网络。为了实现容错，这些表征都为每个概念使用了多个代表性神经元。我们展示了识别如何在这三种设置中工作，并量化了正确识别的概率如何依赖于几个参数，包括代表的数量和神经元失效概率。我们还讨论了这些表征如何在这三种类型的网络中学习。对于前馈网络，学习算法类似于文献[4]中使用的算法，而对于具有横向边的网络，算法通常受到关于组装演算的工作[3, 6, 7]的启发。