スパイキングニューラルネットワークのための適応型重み減衰を取り入れた教師ありSTDP学習
この論文をさがす
抄録
近年,人工知能分野においてスパイキングニューラルネットワーク(SNN)と呼ばれる,新たなニューラルネットワークモデルの研究が盛んになってきている.SNNは脳神経活動を精緻に模倣したモデルであり,工学的研究に留まらず,神経科学分野などにおいても重宝されているモデルである.現存のSNNモデルは特定タスクのおいて優れた性能を獲得できているが,学習の効率性面で改善の余地がある.本研究では,SNNのための効率性を重視した新たな教師あり学習法を提案する.本提案手法により,小さなモデルであっても優れた性能を獲得できるだけでなく,学習の順序を考慮しない,即ち破局的忘却が生じないモデルの構築を可能とする.
収録刊行物
-
- 第83回全国大会講演論文集
-
第83回全国大会講演論文集 2021 (1), 483-484, 2021-03-04
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1050855522063879936
-
- NII論文ID
- 170000187015
-
- NII書誌ID
- AN00349328
-
- Web Site
- http://id.nii.ac.jp/1001/00214933/
-
- 本文言語コード
- ja
-
- 資料種別
- conference paper
-
- データソース種別
-
- IRDB
- CiNii Articles