多層再帰スパイキングニューラルネットワークにおける適格性伝搬へのSTDPの導入【JST・京大機械翻訳】

van der Veen Werner

プレプリント

J-GLOBAL ID：202202212772310724 整理番号：22P0276762

多層再帰スパイキングニューラルネットワークにおける適格性伝搬へのSTDPの導入【JST・京大機械翻訳】

Including STDP to eligibility propagation in multi-layer recurrent spiking neural networks

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 (1件)：
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年01月05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)

神経形態学的システムにおけるスパイキングニューラルネットワーク(SNN)は,深層学習ベースの方法と比較して,よりエネルギー効率が高いが,そのようなSNNを訓練するための明確な競合学習アルゴリズムはない。適格性伝播(e-prop)は,低電力神経形態学的ハードウェアにおける競合再発性SNNを訓練する効率的で生物学的に妥当な方法を提供する。本論文では,音声分類タスクに関するe-プロップの以前の性能を再現するとともに,STDP様挙動を含む効果を解析した。ALIFニューロンモデルへのSTDPを含めることは,分類性能を改善するが,これはIzhikeviche-propニューロンの場合ではない。最後に,単層再帰SNNに実装されたe-propは,多層バリアントよりも一貫して優れていることが分かった。【JST・京大機械翻訳】

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

ニューロコンピュータ , 人工知能

, , ,

前のページに戻る