面向自由响应范式：脉冲神经网络决策-making 理论
神经与进化计算
2025-10-27 v1
摘要
脉冲神经网络（SNN）的能源效率和类脑信息处理能力吸引了广泛关注，使其成为脑类计算的关键要素。SNN普遍面临的挑战之一是推理速度与准确率之间的权衡，这需要足够的时间才能实现预期水平的性能。借鉴表明动物行为实验中决策反应时间、任务复杂性与置信水平之间存在关联的研究结果，本研究旨在将这些见解应用于SNN。本研究的焦点是理解SNN的推理方式，特别是探讨信号与噪声在决策过程中如何相互作用。本文提出的理论框架引入了一种新的优化目标，用于SNN训练，强调不仅要考虑决策的准确率，还要通过从过去的经验中学习来发展预测性置信度。实验结果表明，按照本框架训练的SNN在表达置信度方面表现出改进，导致更好的决策结果。此外，本文引入一种策略，允许SNN在推理期间高效进行决策，使任务更快完成，并可将停止时间用作决策置信度的指示器。通过将神经科学见解与神经形态计算相结合，本研究为探索SNN的能力并推动其在复杂决策情景中的应用开辟了新可能。
引用
@article{arxiv.2404.10599,
title = {Towards free-response paradigm: a theory on decision-making in spiking neural networks},
author = {Zhichao Zhu and Yang Qi and Wenlian Lu and Zhigang Wang and Lu Cao and Jianfeng Feng},
journal= {arXiv preprint arXiv:2404.10599},
year = {2025}
}
备注
27 pages, 6 figures, 3 tables