节律性脉冲发放网络的热力学温度
神经与进化计算
2010-09-29 v1 人工智能
神经元与认知
摘要
由二态神经元构建的人工神经网络是强大的计算基质，其计算能力通过与统计力学的类比得到了很好的理解。在这项工作中，我们在固定时间窗口内的脉冲神经元背景下引入了类似的类比，其中来自泊松分布的兴奋性和抑制性输入扮演了温度的角色。对于在其输入和脉冲阈值之间存在“带隙”的单个神经元，这种温度允许随机脉冲发放。通过在固定时间窗口上施加全局抑制性节律，我们将神经元连接成一个网络，该网络表现出类似于神经网络的同步、时钟式更新。我们实现了一个无学习的单层玻尔兹曼机来演示我们的模型。
引用
@article{arxiv.1009.5473,
title = {The thermodynamic temperature of a rhythmic spiking network},
author = {Paul Merolla and Tristan Ursell and John Arthur},
journal= {arXiv preprint arXiv:1009.5473},
year = {2010}
}