JP2017515205A5 - - Google Patents

Claims (11)

1. 各ニューロンが、マップベースの更新を受け入れ、少なくとも１つのリセット機構を有する、２つ以上の層における複数のＣｏｌｄニューロンと、シナプス結合のネットワークにおける各シナプス結合が重みを有する、前記複数のニューロンを結合する前記シナプス結合のネットワークとを備える人工ニューラルネットワークをトレーニングするための方法であって、前記方法は、
   前記ニューロンモデルに関するニューロン状態の更新を計算すること
   を備え、
   未定義またはゼロの勾配を有する第２の層のニューロンの出力スパイク時間を調整するために少なくとも１つの第１の層のニューロンに関する重みの更新をヒューリスティックに計算するために、スパイク時間にバックプロパゲーションを使用すること
   によって特徴付けられる、方法。
2. 前記ニューロン状態の更新を計算することが、微分方程式の更新に少なくとも部分的に基づく、請求項１に記載の方法。
3. 前記少なくとも１つのリセット機構が、しきい値に少なくとも部分的に基づいてリセットをトリガする、請求項１に記載の方法。
4. 前記重みの更新が、前記出力スパイク時間に少なくとも部分的に基づいて、前記少なくとも１つの第１の層のニューロンに関する少なくとも１つの重みを修正することを備える、請求項１に記載の方法。
5. 前記重みの更新を計算することが、前記人工ニューラルネットワークにおける前記少なくとも１つの第１の層のニューロンのスパイク時間の前記ニューロン状態に少なくとも部分的に基づいて誤差項を追加することを含む、請求項１に記載の方法。
6. 前記ニューロン状態と前記スパイク時間とが同じニューロンのものである、請求項５に記載の方法。
7. 前記第２の層のニューロンがスパイクしない場合、または前記第２の層のニューロンが所望の出力スパイク時間の後にスパイクする場合、前記重みの更新がデフォルト更新値を備える、請求項１に記載の方法。
8. 計算された勾配がしきい値を超える場合、前記計算された勾配を正規化することをさらに備える、請求項１に記載の方法。
9. ニューロン状態の更新を計算することが、閉形式解に少なくとも部分的に基づいてニューロン状態の更新を算出することを備える、請求項２に記載の方法。
10. ２つ以上の層における複数のＣｏｌｄニューロンと、シナプス結合のネットワークにおける各シナプス結合が重みを有する、前記複数のニューロンを結合する前記シナプス結合のネットワークとを備える人工ニューラルネットワークをトレーニングするための装置であって、
    マップベースの更新と、ニューロン状態をリセットするための少なくとも１つのリセット機構とを有するニューロンモデルに関するニューロン状態の更新を計算するための手段
    を備え、
    未定義またはゼロの勾配を有する第２の層のニューロンの出力スパイク時間を調整するために少なくとも１つの第１の層のニューロンに関する重みの更新をヒューリスティックに計算するために、スパイク時間にバックプロパゲーションを使用するための手段
    によって特徴付けられる、装置。
11. プロセッサによって実行されると、２つ以上の層における複数のＣｏｌｄニューロンと、シナプス結合のネットワークにおける各シナプス結合が重みを有する、前記複数のニューロンを結合する前記シナプス結合のネットワークとを備える人工ニューラルネットワークをトレーニングするために使用され得るプログラムコードを符号化した非一時的コンピュータ可読媒体であって、前記プログラムコードは、
    マップベースの更新と、ニューロン状態をリセットするための少なくとも１つのリセット機構とを有するニューロンモデルに関するニューロン状態の更新を計算するためのプログラムコード
    を備え、
    未定義またはゼロの勾配を有する第２の層のニューロンの出力スパイク時間を調整するために少なくとも１つの第１の層のニューロンに関する重みの更新を計算するために、スパイク時間にバックプロパゲーションを使用するためのプログラムコード
    によって特徴付けられる、非一時的コンピュータ可読媒体。