Двовимірна модель навчання у спайкових нейронних мережах з гомеостазом та навчанням з підкріпленням

Скорочена інформація про документ
dc.contributor.authorОсауленко, В'ячеслав Миколайович
dc.contributor.authorOsaulenko, Viacheslav M.
dc.contributor.authorОсауленко, Вячеслав Николаевич
dc.date.accessioned2017-11-06T09:15:17Z
dc.date.available2017-11-06T09:15:17Z
dc.date.issued2017
dc.description.abstractenThe huge complexity of molecular mechanisms that support memory formation makes it difficult to build simple, but precise and sufficient models for an efficient simulation of large neural networks. In this paper, we propose the phenomenological model of a learning rule that describes the synaptic strength via slow and fast variables. Two variables interact with each other in a bidirectional manner that allows to combine the reward and unsupervised learning. Results show the stability of synaptic strength due to coupling of two variables and fast homeostatic plasticity. The multiplicative approach of synaptic scaling preserves memory patterns of statistically more frequent input signals. Similar to the eligibility traces approach, the model tracks recent synaptic changes and allows to reinforce these changes. Also, we speculate on a possible biophysical interpretation of such a model that includes the fast movement of receptors to the membrane and their stabilization into clusters.uk
dc.description.abstractruСложность молекулярных механизмов, которые поддерживают формирование памяти, затрудняет построение простых, но точных и исчерпывающих моделей для эффективного моделирования больших нейронных сетей. Предложена феноменологическая модель правила обучения, описывающая силу связи нейронов посредством медленной и быстрой переменных. Их взаимодействие позволяет сочетать обучение с подкреплением и обучение без учителя. Результаты показывают стабильность силы связи за счет сочетания двух переменных и быстрой гомеостатической пластичности. Мультипликативный способ масштабирования весов сохраняет паттерны памяти статистически более частых входных сигналов. Схожим образом к подходу дополнительных следов модель отслеживает последние изменения весов и позволяет их усилить. Приведены соображения о возможной биофизической интерпретации модели, которая включает в себя быстрое перемещение рецепторов к мембране и стабилизации их в кластеры.uk
dc.description.abstractukСкладність молекулярних механізмів, що підтримують формування пам’яті, заважає побудові простих, але вичерпних моделей для ефективної симуляції великих нейронних мереж. Запропоновано феноменологічну модель правила навчання, що описує силу зв’язку через повільну і швидку змінні. Їх взаємодія дозволяє об’єднати навчання без учителя та навчання з підкріпленням. Результати симуляції свідчать про стабільність сили зв’язку завдяки взаємодії двох змінних та швидкій формі гомеостатичної пластичності. Мультиплікативна форма масштабування ваг зберігає патерни пам’яті статистично більш частих стимулів. Подібним чином до підходу допоміжних слідів модель відслідковує нещодавні зміни сили зв’язку між нейронами і дозволяє їх підсилити. Наведено міркування про можливу біологічну інтерпретацію запропонованої моделі, що включає швидке переміщення рецепторів до мембрани і стабілізацію їх у кластери.uk
dc.format.pagerangeС. 130-140uk
dc.identifier.citationОсауленко В. М. Двовимірна модель навчання у спайкових нейронних мережах з гомеостазом та навчанням з підкріпленням / В. М. Осауленко // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2017. – № 2. – С. 130–140. – Бібліогр.: 24 назви.uk
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2017.1.12
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/20975
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 2uk
dc.subjectправила навчанняuk
dc.subjectспайкові нейронні мережіuk
dc.subjectнавчання з підкріпленнямuk
dc.subjectlearning rulesuk
dc.subjectspiking neural networksuk
dc.subjectreward learninguk
dc.subjectправила обученияuk
dc.subjectспайковые нейронные сетиuk
dc.subjectобучение с подкреплениемuk
dc.subject.udc004.942uk
dc.titleДвовимірна модель навчання у спайкових нейронних мережах з гомеостазом та навчанням з підкріпленнямuk
dc.title.alternativeTwo dimensional model of learning in spiking neural networks with homeostasis and rewarduk
dc.title.alternativeДвумерная модель обучения в спайковых нейронных сетях с гомеостазом и обучением с подкреплениемuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
SD2_12Osaulenko.pdf
Розмір:
445.98 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 2