中文 英语
知识中心
导航
知识中心

spike Neural Network (SNN)

一种试图更精确地模拟大脑的神经网络。
受欢迎程度

描述

峰值神经网络(SNNs)是一种基于现有状态变化的神经网络。基于峰值的方法试图更紧密地模拟生物大脑中的学习动态,与传入刺激相对应的信号峰值链随着时间的推移而扩散。

一个关键的好处是减少人工智能处理所需的电量:与传统方法相比美国有线电视新闻网SNNs处理的是事件。只有当人造神经元中积累了足够多的尖峰时,这些事件才会发生,以至于超过了一定的阈值,此时尖峰就会被发送到下游的神经元。

SNN实现是学术界和企业研究和开发的一个活跃领域。有些实现比其他实现更像大脑。

能够捕获这些最基本行为的最简单的数学模型和硬件实现是“集成和发射”模型。神经元从上游神经元收集输入尖峰,并在这些输入超过阈值时向下游发射尖峰。

在复杂程度上的下一个步骤,“泄漏集成和火灾”模型,引入了一个衰减期。细胞膜上的电位差随着时间的推移而消失。为了引起下游峰值,输入速率必须足够高,以比泄漏更快的速度提高电位差。这些模型引入了记忆效应。也就是说,状态变量随着时间的推移而演变,峰值行为取决于那段历史。


FIF和LIF神经元行为,为说明而理想化。请注意,在第二种情况下,由于泄漏,阈值永远不会达到。神经元也可能有一段不应期,在此期间它们可以积累,但不能放电。资料来源:Bryon Moyer/Semiconductor Engineering

目前有几家公司正致力于将snn商业化。在CMOS和替代技术中,模拟和数字版本都在探索中。目前的一个挑战是训练snn,因为某些方法不能使用转码的经典训练结果。

Baidu