スパイキングニューラルネットワークによる進化から学習への強化学習タスク【JST・京大機械翻訳】

Lu J.; Hagenaars J. J.; de Croon G. C. H. E.

プレプリント

J-GLOBAL ID：202202220589161720 整理番号：22P0294934

スパイキングニューラルネットワークによる進化から学習への強化学習タスク【JST・京大機械翻訳】

Evolving-to-Learn Reinforcement Learning Tasks with 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 (3件)： , ,
資料名：
発行年： 2022年02月24日プレプリントサーバーでの情報更新日： 2022年02月24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)

自然神経系に触発されて,シナプス可塑性規則は,局所情報でスパイクニューラルネットワークを訓練するために適用され,神経形態学的ハードウェアに関するオンライン学習に適している。しかし,そのようなルールが,異なる新しいタスクを学習するために実行されるとき,それらは,通常,タスク依存微調整に関する著しい量の作業を必要とする。本論文は,手作業のための適切なシナプス可塑性規則を進化させる進化アルゴリズムを採用することによって,このプロセスをより容易にすることを目的とする。より具体的には,様々な局所信号,一組の数学的演算子,および大域的報酬信号の集合を提供し,その後,デカルト遺伝的プログラミングプロセスは,これらの成分から最適学習ルールを見つける。このアプローチを用いて,XORとカートポールタスクをうまく解決し,文献からベースラインルールを凌駕する新しい学習ルールを発見する学習ルールを見出した。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ

, , , ,

前のページに戻る