著者

酒見 悠介 森野 佳生

出版者

Institute of Industrial Science The University of Tokyo

雑誌

生産研究 (ISSN:0037105X)

巻号頁・発行日

vol.71, no.2, pp.159-167, 2019-03-01 (Released:2019-03-30)

参考文献数

18

---

スパイキングニューラルネットワーク(SNN) は脳に倣ったモデルであり,活動電位(スパイク) による情報処理が可能である.近年,より高い情報処理能力を目指して,SNN を用いた深層学習が注目されている.既存の深層学習のアルゴリズムをSNN に直接導入することは数理的に困難であり,様々な新規手法が提案されつつある.本稿はSNN における深層学習アルゴリズムを主に数理的な観点から整理することを目的にしており,特に,教師あり学習,教師なし学習の点から解説する.教師あり学習では主に誤差逆伝搬アルゴリズムについて,教師なし学習ではSpike-Timing-Dependent Plasticity に基づくアルゴリズムについて解説する.