• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Computational Neuroscience Meeting (CNS'01) Jul, 2001 Monterey, California >Coherence detection in a spiking neuron via Hebbian learning
【24h】

Coherence detection in a spiking neuron via Hebbian learning

机译：通过Hebbian学习对尖峰神经元进行相干检测

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

It is generally assumed that neurons communicate through temporal firing patterns. As a first step, we will study the learning of a layer of realistic neurons in the particular case where the relevant messages are formed by temporally correlated patterns, or synfire patterns. The model is a layer of integrate-and-fire neurons with synaptic current dynamics that adapts by minimizing a cost according to a gradient descent scheme. The cost we define leads to a rule similar to spike-time dependent Hebbian plasticity. Moreover, our results show that the rule that we derive is biologically plausible and leads to the detection of the coherence in the input in an unsupervised way. An application to shape recognition is shown as an illustration.
机译：通常假设神经元通过时间激发模式进行交流。第一步，我们将研究在特定情况下的现实神经元层的学习，在这种情况下，相关消息是由时间相关模式或synfire模式形成的。该模型是具有突触电流动态的整合和发射神经元层，可根据梯度下降方案通过最小化成本进行调整。我们定义的成本导致了类似于依赖尖峰时间的Hebbian可塑性的规则。此外，我们的结果表明，我们得出的规则在生物学上是合理的，并导致以无监督方式检测输入中的一致性。图示说明了形状识别的应用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号