液态状态机 (LSM) 是一种使用时间神经元进行计算的方法,与标准人工神经网络不同,它可用于直接对固有时间数据进行分类。 它也被提出作为某些大脑功能的自然模型。
通过这段代码,我们表明通常由 Maass 等人定义的液体状态机不能作为大脑功能的自然模型。 这是因为它们很容易受到模型部分故障的影响。
该代码通过指定某些类型的拓扑约束(例如“小世界假设”)解决了这个问题,这些拓扑约束被认为在生物学上是合理的,可以在这个意义上恢复 LSM 的鲁棒性。
有关更多详细分析,Hazan, H. 和 Manevitz, L.,液态机中的拓扑约束和鲁棒性,专家系统与应用,第 39 卷,第 2 期,第 1597-1606 页, //dx.doi.org/10.1016
2022-03-03 10:32:51
262KB
C#
1