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.

言及状況

外部データベース (DOI)

Twitter (6 users, 7 posts, 9 favorites)

https://t.co/48I2kap02q 良く読んでないけど、「積分発火ニューロン」は発火条件を計算するのに毎回微分方程式を解く必要があるんだろうか?計算量すごそう
「スパイキングニューラルネットワークにおける深層学習 」 今更、スパイキングニューラルネットワーク (SNN) というものを知った。いつもながら、こういうことを知るのが遅く今更知るパターンが多すぎる → https://t.co/xVaZcdRHXR
こういう世界があるのか https://t.co/VKx6ov88VL
"Deep Learning for Spiking Neural Networks" SNNの教師あり/なし学習の最新の訓練手法を日本語で解説してくれている論文。Feedback alignmentなどBiological backpropの話もある https://t.co/NH2RGJtIl4

収集済み URL リスト