• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Joint Conference on Neural Networks >Unsupervised Learning with Self-Organizing Spiking Neural Networks
【24h】

Unsupervised Learning with Self-Organizing Spiking Neural Networks

机译：自组织尖峰神经网络的无监督学习

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a system comprising a hybridization of self-organized map (SOM) properties with spiking neural networks (SNNs) that retain many of the features of SOMs. Networks are trained in an unsupervised manner to learn a self-organized lattice of filters via excitatory-inhibitory interactions among populations of neurons. We develop and test various inhibition strategies, such as growing with inter-neuron distance and two distinct levels of inhibition. The quality of the unsupervised learning algorithm is evaluated using examples with known labels. Several biologically-inspired classification tools are proposed and compared, including population-level confidence rating, and n-grams using spike motif algorithm. Using the optimal choice of parameters, our approach produces improvements over state-of-art spiking neural networks.
机译：我们提出了一种系统，该系统包括自组织映射（SOM）属性与尖峰神经网络（SNN）的混合，这些神经网络保留了SOM的许多功能。以无监督的方式训练网络，以通过神经元群体之间的兴奋性抑制相互作用来学习自组织的过滤器晶格。我们开发并测试了各种抑制策略，例如随着神经元间距离的增长和两种不同的抑制水平而增长。使用带有已知标签的示例评估无监督学习算法的质量。提出并比较了几种受生物启发的分类工具，包括人口水平的置信度评估和使用穗形图案算法的n-grams。通过使用最佳的参数选择，我们的方法相对于最新的尖峰神经网络产生了改进。

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