Jump to content

Темпотрон

Темпотрон — это контролируемый алгоритм синаптического обучения, который применяется, когда информация кодируется в виде пространственно-временных импульсов . Это усовершенствованная версия перцептрона , которая не включает систему синхронизации пиков.

Общепринято считать, что время спайков (STDP) играет решающую роль в развитии синаптической эффективности для многих различных типов нейронов. [1] Поэтому было разработано большое разнообразие STDP-правил, одним из которых является темпотрон.

Алгоритм

[ редактировать ]

Если предположить, что существует дырявая модель «интеграция и запуск», потенциал синапса можно описать формулой

где обозначает время спайка i-го афферентного синапса с синаптической эффективностью. и потенциал покоя. описывает постсинаптический потенциал (PSP), вызываемый каждым входящим спайком:

с параметрами и обозначающие постоянные времени затухания мембранной интеграции и синаптических токов. Фактор используется для нормализации ядер PSP. Когда потенциал пересекает порог срабатывания потенциал сбрасывается до значения покоя путем шунтирования всех входящих импульсов.

Далее необходима бинарная классификация входных шаблонов( относится к паттерну, который должен вызвать по крайней мере один постсинаптический потенциал действия и относится к шаблону, который не должен иметь соответственного ответа). Вначале нейрон не знает, какой шаблон к какой классификации принадлежит, и должен изучать его итеративно, подобно перцептрону . Темпотрон изучает свои задачи, адаптируя синаптическую эффективность. . Если представлена ​​картина, и постсинаптический нейрон не активировался, все синаптические эффективности увеличиваются на тогда как Паттерн, за которым следует постсинаптическая реакция, приводит к снижению синаптической эффективности за счет с [2]

Здесь обозначает время, в которое постсинаптический потенциал достигает своего максимального значения.

Следует отметить, что Tempotron — это частный случай более старой работы, посвященной непрерывным вводам. [3]

Источники

[ редактировать ]
  1. ^ Капорале, Н., и Дэн, Ю. (2008). Пластичность, зависящая от времени спайка: правило обучения Хебба. Анну преподобный Нейроски, 31, 25–46.
  2. ^ Роберт Гютиг, Хаим Сомполинский (2006): Темпотрон: нейрон, который учится принимать решения на основе времени спайков , Nature Neuroscience vol. 9, №3, 420-428
  3. ^ Энтони М. Задор, Барак А. Перлмуттер (1996): «VC-измерение модели нейронов с интеграцией и запуском», Neural Computation vol.8, 611-624
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 1315bee350813fd617ac6022c2b8632c__1605328080
URL1:https://arc.ask3.ru/arc/aa/13/2c/1315bee350813fd617ac6022c2b8632c.html
Заголовок, (Title) документа по адресу, URL1:
Tempotron - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)