基于监督STDP的神经元竞争组用于脉冲分类
计算机视觉与模式识别
2024-10-23 v1 机器学习
摘要
脉冲时序依赖可塑性是神经形态硬件上脉冲神经网络局部训练中反向传播的一种有前途的替代方案。STDP允许SNN通过结合用于特征提取的无监督STDP和用于分类的有监督STDP来处理分类任务。无监督STDP通常与胜者全拿竞争结合使用以学习不同的模式。然而，用于监督STDP分类的WTA面临着不平衡竞争的挑战。在本文中，我们提出了一种方法，在采用首次脉冲编码和监督STDP训练的脉冲分类层中有效实现WTA竞争。我们引入了神经元竞争组，这是一种通过促进每个类别学习多种模式来提高分类能力的架构。NCG是一组映射到特定类别的神经元，实现了类内WTA和一种基于双区室阈值的新型竞争调节机制。我们将我们提出的架构整合到使用最先进的监督STDP规则训练的脉冲分类层中。在两种不同的无监督特征提取器之上，我们在CIFAR-10和CIFAR-100等图像识别数据集上获得了显著的精度提升。我们表明，我们的竞争调节机制对于确保平衡竞争和改进类别分离至关重要。
引用
@article{arxiv.2410.17066,
title = {Neuronal Competition Groups with Supervised STDP for Spike-Based Classification},
author = {Gaspard Goupy and Pierre Tirilly and Ioan Marius Bilasco},
journal= {arXiv preprint arXiv:2410.17066},
year = {2024}
}