机构名称：
¥ 1.0
在生物神经系统中，不同的神经元能够自组织形成不同的神经回路，以实现多种认知功能。但是，尖峰神经网络的当前设计范式基于深度学习的结构。这种结构以前馈连接为主，而无需考虑不同类型的神经元，这显着阻止了尖峰神经网络在复杂的任务上意识到它们的潜力。将生物神经回路的丰富动力学特性用于对当前尖峰神经网络的结构进行建模。本文通过将饲喂和反馈连接与兴奋性和抑制性神经元相结合，提供了更具生物学上合理的进化空间。我们利用神经元的局部尖峰行为来适应发展神经回路，例如正向激发，正向抑制，反馈抑制和局部局部抑制峰值依赖性依赖性可塑性，并与全球误差信号结合使用突触量。通过使用进化的神经回路，我们构建了尖峰神经网络，用于图像分类和增强学习任务。使用具有丰富的神经回路类型的脑启发的神经电路演化策略（NEUEVO），进化的尖峰神经网络极大地增强了感知和强化学习任务的能力。Neuevo在CIFAR10，DVS-CIFAR10，DVS-GETURE和N-CALTECH101数据集上实现了最新的性能，并在ImageNet上实现了高级性能。与人工神经网络一起实现可相当的性能，结合了上政策和非政策深度加固学习算法。TheevolvedSpikingNeuralCircuitSlayThayThayThayThaythayTheFoundationForneFoundationFortheeFoundationFortheeFoundationFortheeFoldutionforpsects and voldicts具有功能。
尖峰神经网络的脑启发的神经电路演变
主要关键词
相关文件推荐
