基于STDP和混合速率读出的脉冲编码器的奖励调制局部学习：受控基准实验
机器学习
2026-03-03 v1 神经与进化计算
摘要
本文提出了一种生物学启发的脉冲编码器局部学习的受控实证研究，聚焦于手写数字识别。我们评估了一种受 leaky integrate-and-fire E/I 电路模型中三因子延迟奖励调制启发的STDP风格竞争代理，以及基于相同脉冲编码器构建的实用混合基准。该代理受益于局部前-后连接速率更新，采用监督标签且不依赖基于时间的信用分配。实验中，固定随机种子下的sklearn数字数据集显示，经典像素基线准确率达到98.06%至98.22%，而基于脉冲的局部模型准确率分别为86.39%±4.75%（混合默认）和87.17%±3.74%（STDP风格竞争代理）。消融实验表明，标准化和奖励塑形是最显著的可调参数，最佳混合模型消融实验达到95.52%±1.11%。无网络的合成时序基准支持了相同的时间-速率解释。进一步的2×2分析显示，奖励塑形效应可因稳定化 regime 而改变反转，因此奖励塑形结论应与标准化设置一起报告。
引用
@article{arxiv.2603.00710,
title = {Reward-Modulated Local Learning in Spiking Encoders: Controlled Benchmarks with STDP and Hybrid Rate Readouts},
author = {Debjyoti Chakraborty},
journal= {arXiv preprint arXiv:2603.00710},
year = {2026}
}
备注
10 pages, 5 figures. Submitted to IEEE Transactions on Neural Networks and Learning Systems