基于脉冲时序依赖塑性的无反向传播监督学习方法用于图像识别
计算机视觉与模式识别
2025-02-13 v2 神经元与认知
摘要
本研究介绍了一种用于脉冲神经网络的新型监督学习方法，无需依赖传统的反向传播。该方法采用脉冲时序依赖塑性（STDP）于监督框架，以完成图像识别任务。通过MNIST数据集验证了该方法的有效性。该模型仅需10个训练刺激即可实现约40%的学习准确率，其中每个类别在训练期间仅被暴露于模型一次（一次性学习）。随着训练样本的增加，准确率可提升至87%，且保持极低的歧义水平。值得注意的是，仅需10个隐藏神经元，模型即可以约10%的歧义达到89%的准确率。这一新方法为传统基于反向传播的监督学习技术提供了一种稳健且高效的替代方案。
引用
@article{arxiv.2410.16524,
title = {Supervised Learning without Backpropagation using Spike-Timing-Dependent Plasticity for Image Recognition},
author = {Wei Xie},
journal= {arXiv preprint arXiv:2410.16524},
year = {2025}
}