强化学习下的循环神经网络对时间编码的翻译
摘要：使用具有随机尖峰神经元的神经网络进行时间编码的强化学习研究。在神经网络中，信息可以通过每个神经元发放的时间特征来编码，包括发放的顺序或相对相位差异。我们推导了该网络的学习规则，并表明使用具有动力学突触动力学的霍奇金-赫胥黎神经元构成的网络可以学习每个神经元发放的适当时机。我们还研究了学习效率与系统大小的关系。
作者：Daichi Kimura and Yoshinori Hayakawa
论文ID：nlin/0601005
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2007-05-23