尖峰神经网络中的精确渐变基于事件的俯视验证

下载PDF摘要：尖峰神经网络将模拟计算与基于事件的基于Comcomication使用离散尖峰相结合。虽然通过使用Backpradogation算法训练非尖峰人工神经网络的令人印象深刻的防范的进步，但将该算法应用于尖峰网络，因此是通过离散的尖峰事件和分解的不存在性的存在。首次，这项工作通过将伴随方法与适当的部分移动性跳跃应用来源于连续时间尖刺神经网络和一般损耗的概念，允许通过离散的尖峰事件来反向映射来源于连续时间飙升的神经网络和一般的失真功能。此算法，EventProp，BackPropagate Atspike次数的错误，以便以基于事件的，时间和空间稀疏的方式计算精确梯度。我们使用梯度计算的ViaventProp以使用基于股票的时间或电压的损耗函数和报告竞争性能，从而用来培训尹阳和Mnist数据集。我们的工作支持对梯度的学习算法的严格研究激发了神经网络的洞察力，为他们提供了见解实施创新脑激发硬件。

来自：Timo C. Wunderlich [查看电子邮件] [V1] Thu，2010年9月17日15:45:00 UTC（1,925 KB）[v2] Mon，21 9月21日，21月21日15:59:39 UTC（2,528 KB）[V3] Mon ，20021年5月31日18:00:07 UTC（2,530 KB）

书目工具代码＆amp;关于Arxivlabs Arxivlabs的数据相关论文是一个框架，允许合作者在我们的网站上直接开发和分享新的Arxiv功能。

与Arxivlabs合作的个人和组织都接受并接受了我们的开放，社区，卓越和用户数据隐私价值观。 Arxiv致力于这些价值观，只与遵守它们的合作伙伴合作。

有一个项目，将增加Arxiv＆＃39;社区的价值？了解有关Arxivlabs以及如何参与的更多信息。