机构名称：
¥ 2.0
这项研究介绍了近年来（过去八年）对不断发展的尖峰神经网络（ESNN）发展的深刻见解和全面分析。ESNN已用于大量优化问题。它具有多个优点：计算廉价的基于知识的在线学习方法，我们已经分析了不同应用区域中ESNN的改进。本评论论文讨论了研究人员使用不同的优化技术进行的ESNN优化，以实现可能的最佳准确性。在这项包容性研究中，很少收集使用ESNN的出版物。首先，我们介绍ESNN。然后，我们将ESNN的当前版本表征为5个变体，主要是杂交，修改，多目标，动态和集成。之后，正在评估所研究的ESNN模型的结果。审查论文是通过结论优化的ESNN模型的基本原理来概括的，并提供了可思考的未来方向，这些方向可以在当前有关ESNN的超参数优化的作品中探讨。关键字：ESNN，变体，超参数，优化，综合分析1。引言人工神经网络（ANN）是出于勃起和人脑目的的动机。它们已被用作有影响力的计算机制，以揭示复杂功能估计，分类问题和模式识别。其他分析机制无法明智地适应的问题[1]。通过时间的流逝，ANN已成长为普遍存在的生物学现实模型[2]。人工神经网络已转换了执行监督，无监督和强化学习任务的实践中标准手段。他们持续的成就达到了为医学诊断提供人类专业知识的图像分类水平。这些重要的发展是通过算法开发做出的。对皮质锥体神经元的研究揭示了离散的尖峰时间作为加密信息的一种方式，这在神经网络中非常重要[3]。尖峰神经网络，被称为第三代人工神经
不断发展的尖峰神经网络
主要关键词
相关文件推荐
