Dies ist eine KI-Frage zu "neuronalen Netzen der 3. Generation" - Spiking Neural Networks (SNN).
Ich habe dieses Konzept online anhand verschiedener Artikel studiert, hauptsächlich Maass (1997) . Ich bin mir nicht ganz sicher, warum SNNs im Gegensatz zu früheren ANNs, bei denen es sich um Ratencodes handelt, als Pulscode betrachtet werden.
Ich habe einen Hintergrund in Neurowissenschaften, also verstehe ich die Begriffe und das Verhältnis, ich frage nach der tatsächlichen Umsetzung.
Liegt der praktische Unterschied darin, dass jedes Neuron, wenn es seinen aktuellen Zustand in einem SNN aktualisiert, die gesamte Geschichte jedes präsynaptischen Neurons behandelt und nicht nur den letzten Schritt? Ist es das, was ihm zeitliche Eigenschaften verleiht, die ANNs der vorherigen Generation fehlen? Was ist der entscheidende rechnerische Unterschied zwischen SNN und früheren Ansätzen?
Diese Frage wurde von SO migriert, und ein Duplikat wurde auf cstheory gestellt, das zu CS.SE migriert wurde .
Das ratenbasierte Netzwerk ist eine spezifische Implementierung der allgemeineren Spiking-Netzwerke. Man kann ein ratenbasiertes Netzwerk als ein Spiking-Netzwerk betrachten, in dem die Eingaben von jedem Neuron über einen kurzen Zeitraum (denken Sie an "eine Sekunde") akkumuliert und verwendet werden, um den Zustand ihres Zielneurons nur einmal zu aktualisieren in jedem Zeitraum.
Wenn beispielsweise ein Eingabeneuron in einem ratenbasierten Netzwerk eine Ausgabe von '40' hat, sollten Sie sich das so vorstellen, als ob es 40 Mal in dem Zeitraum feuert und nur einmal in jedem Zeitraum sein Zielneuron "Lesen" Sie diese Eingabe.
Andererseits ist bei Spiking-Neuronen die Ausgabe auf binär begrenzt und daher muss die verwendete Zeitspanne kürzer als die maximale Rate sein. In jedem Zeitraum aktualisiert das Zielneuron seinen Zustand basierend auf seiner (binären) Eingabe.
Also zusammenfassend:
* Spiking-Netzwerke beschreiben ein allgemeineres Phänomen.
* Spiking-Netzwerke können auf Eingaben mit feiner zeitlicher Struktur reagieren und in Zeiträumen agieren, die um eine Größenordnung kleiner sind als ratenbasierte Modelle.
Man kann auch hinzufügen, dass Spiking-Netzwerke wahrscheinlich eine genauere biologische Beschreibung des Gehirns sind (aber immer noch eine sehr grobe Darstellung).
Josch
Josch
Amir