一种大数据新算法———脉冲神经网络（SNN）
2017-01-07 新煮意的世界 新煮意的世界
本文是对脉冲神经网络（Spiking Neural Networks，SNNs）的一篇基础性综述，阐述了SNN网络的一些基本原则、概念和模型，以及存在的技术难点和挑战，对于大数据和算法研究者而言，是一篇较好的总结性文章，对于兴趣爱好者而言也是一篇不错的了解文章。 简述： 在过去的近十年内，随着计算神经科学中的脉冲神经元模型的不断受人关注，多种不同的脉冲神经网络模型也随之不断涌现。本文对这些几近
本文是对脉冲神经网络（Spiking Neural Networks，SNNs）的一篇基础性综述，阐述了SNN网络的一些基本原则、概念和模型，以及存在的技术难点和挑战，对于大数据和算法研究者而言，是一篇较好的总结性文章，对于兴趣爱好者而言也是一篇不错的了解文章。 简述： 在过去的近十年内，随着计算神经科学中的脉冲神经元模型的不断受人关注，多种不同的脉冲神经网络模型也随之不断涌现。本文对这些几近完美的SNN网络的背景以及遇到的挑战做了一个提纲性的介绍。 脉冲神经元模型： 图一 脉冲神经元：真实的生物神经元通过脉冲-尖峰（pulses - spikes）序列进行信息传输。 上图中，（a）一个神经元的突触树、轴突和细胞体；（b）上部分：从其它神经元得到的输入脉冲从突触向突触后的神经元传递；下部分：模型的简化图。（c）神经细胞的膜电势随着输入脉冲信号额变化，当膜电势超过阈值后会被重置到一个较低的水平，同时会产生一个脉冲（spike）。 脉冲信号的传输和处理过程如图一所示：动作电位首先通过轴突并激活突触，这些被激活的突触所释放的神经递质会快速到达突触后神经元。突触后的神经元的膜电势受到神经递质的
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
这也好意思叫综述
67
没看明白，收藏后慢慢看。
69
#新算法#
44
学习了，收藏了
72
#神经网络#
38
这是交叉学科吗？
68
不错，很好
76
用来算什么的？
37