文献

J-GLOBAL ID：201802242191573662   整理番号：18A0781539

反復スパイキングニューラルネットワークにおけるHebbおよび非Hebb可塑性の組合せによるシーケンス生成の学習【JST・京大機械翻訳】

Learning to Generate Sequences with Combination of Hebbian and Non-hebbian Plasticity in Recurrent Spiking Neural Networks

著者 (2件)： Panda Priyadarshini (Nanoelectronics Reserach Laboratory, Purdue Univerisity, School of Electrical and Computer Engineering) ,  Roy Kaushik (Nanoelectronics Reserach Laboratory, Purdue Univerisity, School of Electrical and Computer Engineering)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 11  ページ： 693  発行年： 2017年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ヒト脳における学習と記憶形成の基礎となるシナプス可塑性は様々な形で現れる。ここでは,反復スパイキングニューラルモデルを訓練し,シーケンスを生成するために,標準スパイクタイミング相関に基づくHeibian可塑性を非Hebシナプス減衰機構と組み合わせた。標準STDPによるシナプス重みの適応減衰の包含は,フィードバックループによる再帰モデルで出現する強いアトラクタ状態を低減しながら,時間的シーケンス間の安定した文脈依存性を学習するのを助けることを示した。さらに,組合せ学習方式は,再帰モデルにおけるカオス的活動を実質的に抑制し,その結果,摂動の存在下でさえも一貫してシーケンスを生成する能力を強化することを示した。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アトラクタ ,  ヒト ,  シナプス ,  摂動 ,  カオス ,  *学習 ,  *塑性
準シソーラス用語： 文脈依存性 ,  フィードバックループ ,  スパイクタイミング依存シナプス可塑性 ,  シナプス可塑性 ,  記憶固定化 ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 貯留層モデル ,  非Hebb学習 ,  Hebb可塑性 ,  シーケンス生成 ,  アトラクタ動力学 ,  固有値スペクトル

分類 (1件)： 中枢神経系  (EJ12030F)

タイトルに関連する用語 (6件)： 反復 ,  スパイキングニューラルネットワーク ,  可塑性 ,  組合せ ,  シーケンス ,  学習