受状态空间模型启发的多输入多输出脉冲神经元
机器学习
2025-08-11 v1
摘要
在脉冲神经网络 (SNN) 中，信息处理的主要单元是具有内部状态的神经元。该内部状态根据其与膜电位相关的分量生成输出脉冲，然后将该脉冲传递给网络中的其他神经元。本文提出了一个超越 SNN 文献中传统单输入单输出 (SISO) 模型的通用多输入多输出 (MIMO) 脉冲神经元模型。我们提出的框架基于将神经元解释为具有线性状态演化和非线性脉冲激活函数的状态空间模型 (SSM)。我们展示了该提议的 SSM 激发神经元模型中各种参数之间的权衡，如隐藏神经元状态的数量、输入和输出通道的数量，包括单输入多输出 (SIMO) 和多输入单输出 (MISO) 模型。我们指出，对于神经元数量较少且内部状态空间较大的 SNN，增加神经元的输出通道数可获得显著的性能提升。特别是，具有多输出通道的脉冲神经元网络，可在相同的参考网络架构上实现与使用连续值通信的基线网络相同的准确率。
引用
@article{arxiv.2504.02591,
title = {State-Space Model Inspired Multiple-Input Multiple-Output Spiking Neurons},
author = {Sanja Karilanova and Subhrakanti Dey and Ayça Özçelikkale},
journal= {arXiv preprint arXiv:2504.02591},
year = {2025}
}
备注
9 pages, 3 figures, 6 tables, conference - 2025 Neuro Inspired Computational Elements (NICE)