معلومة

الفروق الحسابية بين الشبكات العصبية المتصاعدة وشبكات ANN السابقة

الفروق الحسابية بين الشبكات العصبية المتصاعدة وشبكات ANN السابقة


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

هذا سؤال يتعلق بالذكاء الاصطناعي بخصوص "شبكات الجيل الثالث العصبية" - شبكات عصبية متصاعدة (SNN).

لقد كنت أدرس هذا المفهوم عبر الإنترنت من العديد من الأوراق البحثية ، ولا سيما ماس (1997). ولست متأكدًا تمامًا من أنني أفهم سبب اعتبار SNN's رمز نبضي على عكس ANN السابقة التي تعد رمز معدل.

لدي خلفية في علم الأعصاب لذلك أفهم المصطلحات والنسبة ، وأنا أسأل فيما يتعلق بالتنفيذ الفعلي.

هل الاختلاف العملي في حقيقة أنه عندما تقوم كل خلية عصبية بتحديث حالتها الحالية في SNN فإنها تتعامل مع التاريخ الكامل لكل خلية عصبية ما قبل التشابك وليس الخطوة الأخيرة فقط؟ فهل هذا ما يضفي عليها خصائص زمنية يفتقر إليها الجيل السابق ANN؟ ما هو الاختلاف الحسابي الرئيسي بين SNN والنهج السابقة؟

ملحوظات

تم ترحيل هذا السؤال من SO ، وتم طرح نسخة مكررة على السجل الذي تم ترحيله إلى CS.SE.


الشبكة القائمة على الأسعار هي تنفيذ محدد للشبكات الأكثر عمومية. قد يرى المرء الشبكة القائمة على المعدل كشبكة سبايكة حيث تتراكم المدخلات من كل خلية عصبية خلال فترة زمنية قصيرة (فكر في "ثانية واحدة") وتستخدم لتحديث حالة الخلايا العصبية المستهدفة مرة واحدة فقط في كل فترة زمنية.

على سبيل المثال ، إذا كانت إحدى الخلايا العصبية المدخلة لها ناتج "40" في شبكة تعتمد على المعدل ، فيجب أن تفكر فيها كما لو كانت تطلق 40 مرة في الفترة الزمنية ، ومرة ​​واحدة فقط في كل فترة زمنية هي الخلايا العصبية المستهدفة. "قراءة" هذا الإدخال.

من ناحية أخرى ، مع العصبونات المتصاعدة ، يكون الناتج مقتصرًا على ثنائي ، وبالتالي يجب أن تكون الفترة الزمنية المستخدمة أقصر من المعدل الأقصى. في كل فترة زمنية ، تقوم الخلايا العصبية المستهدفة بتحديث حالتها بناءً على مدخلاتها (الثنائية).

لتلخيص ذلك:
* شبكات التصاعد تصف ظواهر أكثر عمومية.
* يمكن للشبكات المتصاعدة أن تتفاعل مع المدخلات بهيكل زمني دقيق وتعمل في فترات زمنية تكون بترتيب من حيث الحجم أصغر من النماذج القائمة على المعدل.

كما يمكن للمرء أن يضيف أنه من المحتمل أن تكون شبكات التصاعد أكثر دقة في الوصف البيولوجي للدماغ (لكنها لا تزال حسابًا تقريبيًا للغاية).


شاهد الفيديو: بالعربي Artificial Neural Networks ANNs Introduction + Step By Step Training Example (قد 2022).