结合反向传播与 STDP 的半监督学习：在脉冲神经网络中 STDP 以少量标注数据增强反向传播学习
神经与进化计算
2021-06-23 v2 人工智能
摘要
提出了一种用于脉冲神经网络的半监督学习方法。该方法由基于反向传播的监督学习与随后的基于脉冲时间依赖可塑性（STDP）的无监督学习组成，STDP 是一种具有生物学合理性的学习规则。数值实验表明，在使用少量标注数据时，所提方法无需额外标注即可提高准确率。这一特性是现有判别模型的半监督学习方法所未实现的。所提学习方法可部署于事件驱动系统，因此若在神经形态硬件上实现，将在实时问题中具有极高效率。结果表明，在监督学习之后应用 STDP 时，其除自组织外还扮演重要角色，这不同于以往将 STDP 用作可解释为自组织的预训练的方法。
引用
@article{arxiv.2102.10530,
title = {Semi-supervised learning combining backpropagation and STDP: STDP enhances learning by backpropagation with a small amount of labeled data in a spiking neural network},
author = {Kotaro Furuya and Jun Ohkubo},
journal= {arXiv preprint arXiv:2102.10530},
year = {2021}
}
备注
9 pages, 12 figures