返回
A multisynaptic spiking neuron for simultaneously encoding spatiotemporal dynamics
DOI:10.1038/s41467-025-62251-6.png)
摘要
En 中文
脉冲神经网络(SNNs)由于固有的时间动力学,比人工神经网络在生物学上更合理,在计算上更强大。然而,传统的脉冲神经元难以同时编码输入的空间-时间动力学。受生物多突触连接的启发,我们提出了多突触放电(MSF)神经元,其中轴突可以在突触后神经元上建立具有不同阈值的多个突触。MSF神经元通过放电率联合编码空间强度,并通过放电时间编码时间动力学,并将漏电整合-放电(LIF)和ReLU神经元作为特例进行推广。我们推导了替代梯度的最优阈值选择和参数优化标准,使得可扩展的深度MSF基SNN在不降低性能的情况下实现。在广泛的基准测试中,MSF神经元在精度上显著优于LIF神经元,同时保持低功耗、低延迟和高执行效率,并在事件驱动任务中超越ReLU神经元。总体而言,这项工作推进了神经形态计算向现实世界空间-时间应用的发展。脉冲神经网络难以有效编码空间-时间输入特征。这里,作者引入了一种多突触放电神经元,这是一种神经元模型,能够通过不同的突触阈值同时编码空间强度和时间动力学。
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
An adaptive threshold neuron for recurrent spiking neural networks with nanodevice hardware implementation
NATURE COMMUNICATIONS
IF15.7
Binary and analog variation of synapses between cortical pyramidal neurons皮质锥体神经元之间突触的二进制和模拟变异
ELIFE
IF0
Networks of spiking neurons: The third generation of neural network models尖峰神经元网络: 第三代神经网络模型
NEURAL NETWORKS
IF6.3

