沿热点:脉冲神经网络之深度学习;hotspot frontier focuses: deep learning of spiking neural network -- SNN English

仿生脉冲神经网络--揭开生物智慧之谜

 

作者:spikingnn


____自1872年人类首次发现神经元细胞到今天已有近一百五十年的时间了,尽管现在人们对单个神经元细胞水平的生物电现象已有了清晰的认识,但对生物神经网络的具体工作方式仍知之甚少。在科技发展如斯的今天,即便是对最简单的昆虫(如一只蚂蚁抑或一只蜻蜓),人们对其神经系统的具体运作方式仍是不甚了解

____自上世纪八十年代末,第一次神经网络热潮席卷全球至今已有二十多年了,传统人工神经网络虽然在许多领域得到了成功应用,但随着研究的深入,由于其没有考虑时间编码而带来的局限性与存在的问题也逐渐显现,于是,脉冲神经网络应运而生,并越来越多地引起研究学者的关注。

____然而,由于脉冲神经网络的复杂性,至今人们尚未找到一种有效的学习算法,而这里介绍的研究成果将改变这一状况。换言之,该研究成果包含了一种有效的、适合于多层次-多空间的、脉冲神经网络的通用学习算法。与传统的神经网络学习算法(如BP算法)不同,该算法更加符合生物神经网络的特点,它不仅模拟了神经突触(连接)的塑造过程,而且还模拟了神经突触(连接)的生长与消亡。而这里的演示模型便展示了这一学习算法的训练结果,它非常生动地、系统地复现了生物神经网络的活动。

:究其原因主要有三点:1、生物的神经系统往往是由数目庞大的神经元组成;2、神经元之间存在极为复杂的连接;3、神经活动是一种动态的而非静态的过程。

下载:

Bionic Spiking Neural Network.rar 包含:概述、背景知识,以及相关理论、模型、演示程序的介绍文章。
Demo.rar 智能体系模拟演示程序,其中演示5值得关注。
Demo-A.rar 附录A中深度学习模拟演示程序。
Demo.cpp.rar 智能体系模拟演示程序源程序。
Demo-A.cpp.rar 附录A中深度学习模拟演示程序源程序。

 


联系我们

__版权所有 ©2013 spikingnn.net

沿热点:脉冲神经网络之深度学习;hotspot frontier focuses: deep learning of spiking neural network -- SNN