文献

J-GLOBAL ID：201702264895343342   整理番号：17A0354223

パルス列カーネルに基づくパルスニューロン監視学習アルゴリズム【JST・京大機械翻訳】

A New Supervised Learning Algorithm for Spiking Neurons Based on Spike Train Kernels

著者 (3件)： Lin Xianghong (School of Computer Science and Engineering,Northwest Normal University) ,  Wang Xiangwen (School of Computer Science and Engineering,Northwest Normal University) ,  Dang Xiaochao (School of Computer Science and Engineering,Northwest Normal University)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 44  号： 12  ページ： 2877-2886  発行年： 2016年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： パルスニューロンはパルス情報を用いて神経情報を符号化し、監督学習の目標は所定のシナプス入力に対して任意の期待パルス列を生成することである。しかし,ニューロンのパルス発生過程の不連続性のため,効率的なパルスニューロンの監督と学習アルゴリズムを構築することは非常に難しく,同時にこの研究領域の重要な問題である。パルス列の核関数の定義に基づき,新しいパルスニューロン監視学習アルゴリズムを提案し,それは,パルス列カーネルを用いて多重パルス誤差関数と対応するシナプス学習規則を構築し,ニューロンの実際のパルス発生頻度によって適応的に学習率を調整した。このアルゴリズムを,パルス列の学習タスクに適用し,POISSON過程または線形法を用いて,パルス列を符号化し,そして,アルゴリズムの学習性能に及ぼす核関数の影響を解析した。実験結果は,このアルゴリズムが高い学習精度と良好な適応能力を持ち,複雑な時空間パルスパターン学習問題を処理するときに有効であることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 符号化 ,  *学習アルゴリズム ,  誤差関数 ,  *学習 ,  不連続性 ,  *パルス ,  *アルゴリズム ,  シナプス ,  核関数 ,  線形性 ,  *ニューロン ,  *パルス列
準シソーラス用語： 学習性能 ,  パルス発生 ,  神経 , 【Automatic Indexing@JST】

著者キーワード (5件)： spiking neuron ,  supervised learning ,  spike train kernel ,  inner product ,  spike train learning

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： パルス列 ,  カーネル ,  パルス ,  ニューロン ,  学習アルゴリズム