文献

J-GLOBAL ID：201702263986828853   整理番号：17A0456770

スパイキングニューラルネットワークのためのオンライン教師なし構造可塑性アルゴリズム【Powered by NICT】

An Online Unsupervised Structural Plasticity Algorithm for Spiking Neural Networks

著者 (2件)： Roy Subhrajit (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore) ,  Basu Arindam (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 4  ページ： 900-910  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,それを訓練するための非線形樹枝状晶とオンライン教師なし構造可塑性ルールを持つニューロンを用いた新しい勝者総取り(WTA)アーキテクチャを提案した。さらに,ハードウェア実装を支援するために,著者らのネットワークが二成分シナプスのみを採用している。ここで提案する学習ルールはスパイクタイミング依存可塑性によりヒントを得たものであるが,その活性化レベルに基づいて,各樹枝状結晶では違っていた。入力とシナプス間の接合部の形成と除去を介してWTAネットワークを訓練する。提案したネットワークと学習則の性能を実証するために,ランダムなPoissonスパイク時間入力の二クラス,四クラス,及び六クラス分類を解くのに採用した。結果は,WTAの阻害時定数の適切な調整により,ネットワークの特異性と感度の間のトレードオフが達成できることを示した。阻害時定数は検出したいパターン当たり部分パターンの数を設定した。パターン分割を行ったないときに成功裡に試験の割合は,二クラス,四クラス,及び六クラス分類のための92%,88%,および82%であったが,各パターンは5または10パターンを組み合わせて標準字体に分割される時に,100%に増加することを示した。しかし,パターン分割の前者のシナリオは後者よりもジッタ弾力的ではない。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ジッタ ,  学習 ,  時定数 ,  樹枝状結晶 ,  *ネットワーク ,  ニューロン ,  フォント ,  シナプス ,  *塑性
準シソーラス用語： 特異性 ,  学習則 ,  スパイクタイミング依存シナプス可塑性 ,  ハードウェア実装 ,  *オンライン ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

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)： スパイキングニューラルネットワーク ,  オンライン ,  教師 ,  可塑性 ,  アルゴリズム