这一部分主要说此代码将要用python实现硬件友好的SNN网络。此网络的训练将用到STDP算法。网络涉及到的元素包括：SNN的架构有很多，本文采用Winner-takes-all SNN架构：从前（输入层）到后（输出层）传递，假设神经元互相之间不影响对方。网络组成：神经元、突触、感受野、spike train神经元Neuron——产生spike train突触Synapse——权重时延通道：通过这一步搭建起了SNN有学习过的权重的框架——spike train转换为PSP再转换为spike t.
这一部分主要说此代码将要用python实现硬件友好的SNN网络。此网络的训练将用到STDP算法。
网络涉及到的元素包括：
SNN的架构有很多，本文采用Winner-takes-all SNN架构：从前（输入层）到后（输出层）传递，假设神经元互相之间不影响对方。
网络组成：神经元、突触、感受野、spike train
神经元Neuron——产生spike train
突触Synapse——权重时延通道：通过这一步搭建起了SNN有学习过的权重的框架——spike train转换为PSP再转换为spike train。
感受野Receptive field：神经元在感受野中产生响应——模拟值。假如输入是一张图片，那么加了感受野的部分就可以增强或减弱其膜电位。
spike train——做为SNN网络输入和输出的时间序列信号。将在感受野的滑动窗口产生的模拟值转化为时间序列信号。本文采用的编码方法是 rate coding。
spike train&膜电位&PSP的区别：
- 膜电位
膜电位是在突触上传递的电位
最低0.47元/天 解锁文章
4401
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
