尖峰神经网络(SNNS)提供了与传统人工神经网络(ANN)不同的Ma Chine学习的观点:SNNS在一系列离散的时间峰值中编码数据,该数据是以生物学中神经元创建的动作潜力建模的。ANN的原始范围也受到人脑的启发,人脑由近1000亿个神经元组成,每个神经元最多可具有15,000个突触。尽管潜在的巨大参数空间,人类大脑只会消耗约20 w,占3磅以下。进行比较,当今表现最佳的语言模型可能需要超过300 kWh的力量(Patterson等人,2021)。生物神经网络令人印象深刻的能量和空间良好的部分是由于大多数神经元通常是不活跃的,这意味着大脑是高度稀疏的神经网络。SNN试图结合更多生物学上合理的知识,学习方法和体系结构,以匹配
主要关键词
![arxiv:2303.10780v2 [CS.NE] 2023年3月21日PDF文件第1页](/bimg/9/9bf2a973d17aca3da1928ff5ea96e889e4135a45.webp)
![arxiv:2303.10780v2 [CS.NE] 2023年3月21日PDF文件第2页](/bimg/a/a6e5452b3c99f91356d1386ed65104b40e505ba2.webp)
![arxiv:2303.10780v2 [CS.NE] 2023年3月21日PDF文件第3页](/bimg/3/3ec64004fb9401bd744c3ed6cf4fd0861d2f0e26.webp)
![arxiv:2303.10780v2 [CS.NE] 2023年3月21日PDF文件第4页](/bimg/6/65636d29909cb9f655cafa0ccd946f818cab6677.webp)
![arxiv:2303.10780v2 [CS.NE] 2023年3月21日PDF文件第5页](/bimg/7/7b26b56740ad9eb00a937209bb757292f8a2888b.webp)
