脈衝神經網路（Spiking Neuron Networks）
基本介紹
- 中文名：脈衝神經網路
- 外文名：Spiking Neuron Networks
定義,外部連結,
定義
脈衝神經網路 （SNN-Spiking Neuron Networks) 經常被譽為第三代人工神經網路。其模擬神經元更加接近實際，除此之外，它把時間信息的影響也考慮其中。
脈衝神經網路（神經的網路）屬於第三代神經網路模型，增加一個神經模擬現實的程度。除了神經元和突觸狀態，SNNs也將時間的概念到他們操作模式。這個想法是，神經元在SNN不在每個繁殖周期的火（因為它與典型的多層發生感知器網路目的而火），只有當膜電位–向膜電荷–相關神經元的內在質量達到某一特定值。當一個神經元，它產生的信號傳播到其他神經元，反過來，增加或減少他們的潛力在這個信號一致。
在脈衝神經網路的背景下，當前的激活水平（建模為一些微分方程）通常被認為是神經元的狀態，來穗推這個值越高，然後隨著時間的推移，燃燒或腐爛。各種編碼方法對即將離任的存在穗列車作為一個真正的價值，或者基於頻率的尖峰，尖峰或時間之間，信息編碼。
目錄
- 二套用
- 三軟體
- 四硬體
- 五參見
- 六推薦信
- 七外部連結
開始
第一科學模型一個神經元被提出霍奇金和安德魯·赫胥黎1952。該模型描述了動作電位發起和傳播。穗狀花序，但一般不直接傳送之間神經元。溝通需要的化學物質的交換突觸間隙，稱為神經遞質。複雜生物模型的變化導致了不同的神經元模型，如集成和火（1907），fitzhugh–nagumo模型（1961–1962）和Hindmarsh ， Rose 模型（1984）
從信息理論看來，問題是提出一個模型，解釋了信息編碼，通過一系列列脈衝解碼，即動作電位。因此，神經科學研究的一個基本問題是確定神經元溝通的率或時間碼時間編碼表明一個尖峰神經元可更換型神經網路的隱層單元上。
套用
這類神經網路原則上可以用於信息處理的套用方式為傳統的人工神經網路同。此外，脈衝神經網路模型中樞神經系統尋找食物沒有環境的先驗知識的一個虛擬的昆蟲。然而，由於其更現實的性質，它們也可以被用來研究的操作生物神經電路啟動關於生物神經電路的拓撲結構及其功能的假設，電生理記錄該電路可以與相應的脈衝神經網路模擬輸出電腦，確定假設的合理性
在實踐中，有脈衝神經網路的理論和已被證明的一個主要區別。他們在神經科學證明是有用的，但不（還）工程。一些大規模的人工神經網路模型的設計，利用脈衝編碼的脈衝神經網路，這些網路主要依賴原則水庫計算。然而，現實世界中的大型脈衝神經網路是有限的因為增加的計算成本與模擬現實的神經模型相關的不正當的利益計算能力相稱。作為一個結果，很少有套用大型脈衝神經網路解決計算任務的秩序和複雜性，通常解決使用率編碼（第二代）神經網路。此外，很難實時適應二代神經網路模型、脈衝神經網路（尤其是如果這些網路算法在離散時間的定義）。它是相對容易的構造脈衝神經網路模型並觀察其動態變化。這是很難建立一個模型，性能穩定可靠，計算一個特定的功能。
軟體
有各種各樣的套用軟體模擬脈衝神經網路。這個軟體可以根據仿真的使用分類：
- 軟體地址的信息處理任務，解決問題。電腦程式如SpikeNet是這個群體中，已經由DeLorme和Thorpe合作開發中心之間de Recherche孤立等認知和SpikeNet技術。這類套用軟體通常都會很快的模擬但不允許非常複雜或仿真生物現實的神經模型
- 軟體提供的功能來支持模擬比較複雜的神經模型有效，還能方便的信息處理任務。該軟體可以利用生物神經元特性進行計算的功能，同時允許這些神經特性的功能研究。在這我們可以發現軟體組edlut在已開發的格拉納達大學。這個套用軟體必須足夠高效快速運行的模擬，有時甚至是實時的，同時它必須支持這是詳細的和生物學的神經模型。
硬體
另一個實現的TrueNorth處理器從IBM。該處理器包含54億個電晶體，但目的是消耗的功率非常小，只有70毫瓦；在個人電腦處理器包含14億個電晶體和最需要35瓦以上。IBM是TrueNorth背後的設計原理神經計算。它的主要目的是模式識別；而批評者說，晶片是不是足夠強大，它的支持者指出，這僅僅是第一代，和改進的疊代的能力將變得清晰。
參見
- 神經相關
- 神經解碼
- 神經行為學
- 神經計算模型
- 系統神經科學
參考資料
- 崔文博, 藺想紅, & 徐滿意. (2012). 脈衝神經網路圖像分割的編碼方法.計算機工程,38(24), 196-199.
外部連結
- 本書全文spiking神經元模型。單神經元，人口，可塑性由Wulfram Gerstner和Werner M. Kistler（ISBN 0 521 89079 9）
