350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №8 за 2010 г.
Статья в номере:
Обучение спайкового нейрона с учителем в задаче детектирования пространственно-временного импульсного паттерна*
Ключевые слова: спайковый нейрон моделирование нейронов обучение спайковых нейронов теория информации информационная энтропия
Авторы:
О. Ю. Синявский - аспирант кафедры теоретической механики - мехатроники Московского энергетического института (ГУ). E-mail: SinyavskiyOY@mail.ru А. И. Кобрин - д. ф.-м. н., проф. кафедры кафедры теоретической механики - мехатроники Московского энергетического института (ГУ).
Аннотация:
Исследованы методы обучения с учителем спайковых нейронов. Охарактеризованы ключевые черты стохастических спайковых нейронов, на основе которых строится их обобщенная модель. Приведены примеры работы алгоритма обучения с учителем для конкретной модели спайкового нейрона из класса Spike Response Model. Рассмотрены задачи соблюдения заданной временной задержки между входными и выходными спайками и детектирования спайкового паттерна в зашумленном потоке импульсных сигналов.
Страницы: 69-76
Список источников
  1. Мартин Р., Николлс Дж., Валлас Б., Фукс П.От нейрона к мозгу.М.: УРСС. 2003.
  2. Gerstner, W, Kistler, W. M.,Spiking Neuron Models: Single Neurons, Populations, Plasticity.s.l.: Cambridge University Press. 2002.
  3. Perkel, D. H., Feldman, M. W.,Neurotransmitter release statistics: Moment estimates for inhomogeneous Bernoulli trials.Berlin: SpringerBerlin/ Heidelberg. 1979.
  4. Синявский О. Ю., Кобрин А. И. Использование информационных характеристик потока импульсных сигналов для обучения спайковых нейронных сетей // Интегрированные модели и мягкие вычисления в искусственном интеллекте (28-30 мая 2009 г.): Сб. научн. тр. 2009. Vol. 2.
  5. Pfister, J. P., Toyoizumi T., Barber, D., Gerstner, W., Optimal Spike-Timing Dependent Plasticity for Precise Action Potential Firing in Supervised Learning // Neural computation 2006. Vol. 18. 6.
  6. Hebb, D. O.,The Organization of Behavior. New York: John Wiley & Sons. 1949.
  7. Webster, R. A.,Neurotransmitters. Drugs and Brain Function. s.l.: John Wiley and Sons. 2002.
  8. Осовский С.Нейронные сети для обработки информации. М.: Финансы и статистика. 2002.
  9. Стратонович Р. Л.Теория информации.М.: Сов. радио. 1975.
  10. Bugmann, G.,Christodoulou, C.,and Taylor, J. G., Role of temporal integration and fluctuation detection in the highly irregular firing of a leaky integrator neuron model with partial reset // Neural Computation. 1997. Vol. 5. 9.
  11. Panchev, C., Wermter, S., Temporal Sequence Detection with Spiking Neurons: Towards Recognizing Robot Language Instruction // Connection Science. 2006. Vol. 18. 1.