پژوهش
پژوهشگران مخزن عصبی اسپایکی با نورونهای حساس به فرکانس معرفی کردند
پیشچاپی در arXiv از HRF-Res رونمایی میکند؛ مدلی که بهجای نورونهای رایج LIF از نورونهای نوسانی استفاده میکند تا اطلاعات زمانی را بر پایهٔ فرکانس تفکیک کند.
محاسبات مخزن اسپایکی با تکیه بر شبکههای بازگشتیِ ثابت، آموزش را ساده میکند و با اجرای رویدادمحور، محاسبه را به زمانهایی محدود میسازد که اسپایک رخ میدهد. اما بهگفتهٔ نویسندگان پیشچاپ، مخزنهای اسپایکی موجود تقریباً همگی از نورونهای Leaky Integrate-and-Fire (LIF) استفاده میکنند؛ نورونهایی با پویایی پایینگذر که در تشخیص اطلاعاتِ رمزگذاریشده در فرکانسهای زمانی متفاوت محدودیت دارند.
پژوهشگران HRF-Res را بهعنوان یک ماشین حالت مایع معرفی کردهاند که در آن نورونهای LIF با جمعیتی ناهمگون از نورونهای Harmonic Resonate-and-Fire (HRF) جایگزین میشوند. این نورونها پویایی نوسانی درونی دارند و بهطور گزینشی به فرکانسهای ورودی واکنش نشان میدهند؛ قابلیتی که به مخزن امکان میدهد اطلاعات را بر اساس فرکانس ثبت کند. متن در دسترس از چکیدهٔ پیشچاپ در همینجا ناتمام است و جزئیات بیشتری از روش یا نتایج ارائه نمیکند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درجشده تنظیم شدهاند؛ صحت مستقل همه ادعاها تضمین نمیشود.
منبع: arXiv · AI (پیشچاپ) — مشاهده منبع اصلی ↗