A remark on the error-backpropagation learning algorithm for spiking neural networks

关于尖峰神经网络的误差反向传播学习算法的一点评论✩

摘要

在用于脉冲神经网络的误差反向传播学习算法中,必须将触发时间 t α t^\alpha tα区分为状态函数 x ( t ) x(t) x(t)的函数。但是这种区分是不可能直接进行的,因为不能以标准形式将其表达为 x ( t ) x(t) x(t)的函数。为了克服这个困难,Bohte等假设脉冲发时间 t α t^\alpha tα和状态 x ( t ) x(t) x(t) t = t α t=t^α t=tα附近存在线性关系。根据此假设,泛函的Frechet导数等于可以直接轻松计算的普通函数的导数。我们在此简短说明中所做的贡献是证明,在没有线性假设的帮助下,这种微分相等实际上在数学上是正确的。

脉冲感知器

为了简洁起见,让我们考虑一个尖峰神经网络的简单构建块,即具有n个突触前神经元和一个突触后神经元的前馈尖峰感知器。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值