文献

J-GLOBAL ID：202002276191019640   整理番号：20A0961548

スパイキングニューラルネットワークの学習アルゴリズムに関する研究【JST・京大機械翻訳】

Research on Learning Algorithm of Spiking Neural Network

著者 (2件)： LI SHUN-LI (University of Electronic Science and Technology of China,School of Computer Science and Engineering,Chengdu,China,610054) ,  LI JIAN-PING (University of Electronic Science and Technology of China,School of Computer Science and Engineering,Chengdu,China,610054)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCWAMTIP  ページ： 45-48  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： スパイキングニューラルネットワークは,正確な時間符号化に基づくスパイキングシーケンスを通して生物学的情報を表現し,伝達する新しい人工ニューラルネットワークである。従来の周波数ベースのニューラルネットワークと比較して,スパイキングニューラルネットワークは,より強い生物学と計算力を有して,それは人間の脳と脳活動をより正確にシミュレーションすることができた。本論文は,典型的な教師なしスパイキングニューラルネットワーク学習法-STDP(スパイク-タイミング依存可塑性)と古典的な教師つきスパイキングニューラルネットワーク学習法-Tempotronと再開(Remote Superviseded Method)を紹介して,様々な既存のスパイキングシーケンス学習方法の特性と性能を分析するために生物学的ニューラル情報の空間-時間伝送特性を結合した。本レビューは,様々なスパイキングニューラルネットワークモデルの適用性研究に貢献した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 塑性 ,  *学習 ,  *ニューラルネットワーク ,  適応性 ,  伝送特性 ,  学習アルゴリズム
準シソーラス用語： 脳活動 ,  学習方法 ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： スパイキングニューラルネットワーク ,  学習アルゴリズム ,  研究