スパイキングフェーザニューラルネットワークにおける深層学習【JST・京大機械翻訳】

Bybee Connor; Frady E. Paxon; Sommer Friedrich T.

プレプリント

J-GLOBAL ID：202202221325036304 整理番号：22P0324004

スパイキングフェーザニューラルネットワークにおける深層学習【JST・京大機械翻訳】

Deep Learning in Spiking Phasor 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04月01日プレプリントサーバーでの情報更新日： 2022年04月01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)

スパイキングニューラルネットワーク(SNNs)は,神経科学を理解するためのモデルと同様に,低待ち時間,低電力神経形態ハードウェアにおける使用のための深層学習コミュニティの注目を集めている。本論文では,スパイキングPhasorニューラルネットワーク(SPNN)を導入した。SPNNは,スパイク時間による位相を表す複素値深層ニューラルネットワーク(DNN)に基づいている。著者らのモデルはスパイクタイミングコードを用いてロバストに計算して,勾配を複雑なドメインを用いて形成することができた。CIFAR-10上でSPNNを訓練し,性能が他のタイミング符号化SNNのそれを凌駕し,同等の実数値DNNによる結果に近づくことを示した。【JST・京大機械翻訳】

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

パターン認識 , ニューロコンピュータ , 人工知能

前のページに戻る