液态机的动态训练
摘要：液态机器是脉冲神经网络（SNNs）的一种递归架构，最近引起了研究人员的关注。本研究旨在通过确定在SNN中分配的最有效的权重范围来优化液态机器的训练过程，从而实现期望输出与实际输出之间的最小差异。实验结果表明，通过使用脉冲度量和一系列权重，可以有效地优化脉冲神经元的期望输出和实际输出，从而提高SNN的性能。使用三种不同的权重初始化方法进行了测试和确认，其中使用巴拉班西-阿尔伯特随机图方法获得了最佳结果。
作者：Pavithra Koralalage, Pedro Machado, Jason Smith, Isibor Kennedy Ihianle, Salisu Wada Yahaya, Andreas Oikonomou, Ahmad Lotfi
论文ID：2302.03506
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-02-08