効率的なマルチセンサ統合のためのモチーフトポロジーと報酬学習改良スパイキングニューラルネットワーク【JST・京大機械翻訳】

Jia Shuncheng; Zuo Ruichen; Zhang Tielin; Liu Hongxing; Xu Bo

プレプリント

J-GLOBAL ID：202202212641457240 整理番号：22P0289433

効率的なマルチセンサ統合のためのモチーフトポロジーと報酬学習改良スパイキングニューラルネットワーク【JST・京大機械翻訳】

Motif-topology and Reward-learning improved Spiking Neural Network for Efficient Multi-sensory Integration

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年02月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ネットワークアーキテクチャと学習原理は,人工ニューラルネットワーク(ANNs)とスパイキングニューラルネットワーク(SNNs)における複雑な機能を形成する鍵である。SNNは,動的スパイキングニューロン,機能的指定アーキテクチャ,および効率的な学習パラダイムを含むANNよりも,より多くの生物学的特徴を組み込むことにより,新世代人工ネットワークと考えられている。本論文では,効率的なマルチセンサ統合のために,モチフトポロジーと報酬学習改良SNN(MR-SNN)を提案した。MR-SNNは,まず独立単一センサ学習パラダイムから抽出され,次にマルチセンサ分類のために統合される13種類の3ノードMotifトポロジーを含む。実験結果は,Motifsを使用しない他の従来のSNNよりも,提案したMR-SNNの高い精度とより強いロバスト性を示した。さらに,提案した報酬学習パラダイムは生物学的に妥当であり,不一致視覚および聴覚感覚信号に起因する認知McGurk効果をより良く説明できる。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , , , ,

前のページに戻る