BriefGPT - AI 论文速递
·
基于海布学习的正交投影，用于脉冲神经网络的持续学习
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
介绍了一种新颖的脉冲神经网络模型，用于学习分布式内部表示。该模型在生物皮层锥体神经元中表现出与低发射率相当的Poisson统计量。通过线性分类器评估，该脉冲模型的学习表示与非脉冲BCPNN接近，并在MNIST和F-MNIST机器学习基准上与其他脉冲网络竞争力相当。
🎯
关键要点
- 介绍了一种新颖的脉冲神经网络模型，用于学习分布式内部表示。
- 该模型通过将非脉冲前馈贝叶斯置信传播神经网络（BCPNN）转换为脉冲神经网络实现。
- 采用基于在线相关性的 Hebbian-Bayesian 学习和重连机制。
- 模型在生物皮层锥体神经元中表现出与低发射率相当的 Poisson 统计量。
- 使用线性分类器评估脉冲模型学习的表示，结果与非脉冲 BCPNN 接近。
- 在 MNIST 和 F-MNIST 机器学习基准上与其他基于 Hebbian 的脉冲网络竞争力相当。
➡️
