基于期望传播的脉冲神经网络训练
机器学习
2025-07-01 v1 统计方法学
机器学习
摘要
在本文中,我们提出了一种用于训练脉冲神经网络(SNN)的统一消息传递框架,该框架基于期望传播(Expectation-Propagation)。我们的无梯度方法能够学习网络参数的边缘分布,同时对干扰参数(如隐藏层的输出)进行边缘化。该框架首次允许使用训练样本批次对离散和连续权重、确定性和随机性脉冲网络进行训练。尽管其收敛性无法保证,但该算法在实践中比基于梯度的方法收敛更快,且无需对训练数据进行大量遍历。所展示的分类与回归结果为深度贝叶斯网络的新型高效训练方法铺平了道路。
引用
@article{arxiv.2506.23757,
title = {Training of Spiking Neural Networks with Expectation-Propagation},
author = {Dan Yao and Steve McLaughlin and Yoann Altmann},
journal= {arXiv preprint arXiv:2506.23757},
year = {2025}
}
备注
10 pages