WIP:SNNのさーべい

Feb 4, 2019

introduction to spiking neural networks: information processing, learning and applications

SNNのサーベイ的な論文を読んでメモる. 僕は神経科学とか機械学習の素人なのでいろいろあれかも

概要

SNN(Spiking Neural Network)はニューロンがスパイクするダイナミクスをモデル化した人工ニューラルネットワーク.

スパイクの特徴

ネットワークトポロジ

Feedforward networks

入力と出力の方向が1方向である.フィードバックがない.生体では脳の表面近くの組織で多く見つかる.
このネットワークは低レベルな感覚器官

Recurrent networks

フィードバックもあるネットワーク.フィードバックにより,一時的で動的な発火が行われる.Feedforward networksより高級で演算性能に優れる.その分,学習とコントロールが難しい.

Hybrid networks

このネットワークはFeedforward networksとRecurrent networksを持つことができるネットワーク.方向が単方向または双方向な場合もある.

Synfire chain

人間の学習は2つのイベントが相互関係を持っていたり,シグナルとその後の行動が結びついていることがしばしばある.
イベントは時間で分割できるが,正確に正しいタイミングで正しい行動を予測するために,人間はこれらをリンクさせる. synfireは遅延イベントを表現している.sinfire chainはチェインを組み合わせる複数レイヤのアーキテクチャである.これはニューロンの発火を同期的な波として他のレイヤに伝える.

Reservoir computing

これはRecurrent networksの演算性能を活かしつつも,学習の難しさを克服したものである. あとでよむ

Spiking Neuronにおける情報処理

毎ミリセカンドごとに感覚器官から出力される膨大なスパイクを,感覚器官の刺激から行う行動を決定するために,これらを脳は処理する.

Neural code

neural codeはニューラルシグナルでの情報のエンコーディング. firing rateが重要視されてきたが,timing