脉冲神经网络对 XOR 问题的可解性研究
神经与进化计算
2024-08-13 v1
摘要
重新审视线性不可分离的 XOR 문제及其相关的表示二元逻辑门的问题，从时间编码的角度考量其由具有最小配置的泄漏积分-放电 (LIF) 神经网络的可解性。我们将此问题用作例子来研究不同超参数的影响，如信息编码、完全连接储备库中的隐藏单元数量、泄漏参数的选择以及基于不同抑制时间的复位机制在 terms of reset-to-zero 和 reset-by-subtraction。权重矩阵的分布为洞察问题的难度以及寻找解的概率提供了线索。这导致我们观察到，零抑制时间以及梯度脉冲和适应性复位机制（reset-to-mod）的组合，使得仅使用两个隐藏层神经元即可解决所有二元逻辑门构型，其中 XOR 作为一种特殊案例。
引用
@article{arxiv.2408.05845,
title = {On the Solvability of the {XOR} Problem by Spiking Neural Networks},
author = {Bernhard A. Moser and Michael Lunglmayr},
journal= {arXiv preprint arXiv:2408.05845},
year = {2024}
}