稳定终身学习的实现：以脉冲神经元解决可塑性神经网络的不稳定性
神经与进化计算
2021-11-09 v1
摘要
突触可塑性是神经网络中一种强大的自调节无监督学习方法。近期，将人工神经网络（ANN）与突触可塑性结合用于生命周期内学习的研究兴趣再度兴起。研究表明，可塑性能够提升这些网络泛化至新环境情境的学习能力。然而，这些训练后网络的长期稳定性尚待考察。本工作表明，将可塑性与ANN结合会导致超出训练时所预设寿命后的不稳定性。这种不稳定性可导致奖赏寻求行为的急剧下降，或迅速导致到达环境终止状态。该行为在多种训练时间跨度下的两个不同环境（购物车平衡问题与四足运动问题）上，对若干可塑性规则均表现一致。我们提出通过使用脉冲神经元来解决这种不稳定性。
引用
@article{arxiv.2111.04113,
title = {Stable Lifelong Learning: Spiking neurons as a solution to instability in plastic neural networks},
author = {Samuel Schmidgall and Joe Hays},
journal= {arXiv preprint arXiv:2111.04113},
year = {2021}
}