لقد قمت ببناء شبكة جذب مستمرة مع 3 خلايا عصبية حركية تتعلم توجيه الفئران نحو الطعام باستخدام اللدونة الهبية المعدلة بالمكافأة لا انتشار خلفي ولا SGD. في هذه الحالة في البداية ، تعلم المتصل بالشبكة الدوران حول الطعام 😯 الكود المصدري مفتوح المصدر. الرابط في التعليق يمكن أن تكتشف 36 خليا عصبية في CAN مكان الطعام ، وتتصل كل خلية عصبية في هذه الشبكة بكل خلية عصبية حركية. في البداية تكون الروابط عشوائية وضعيفة وتزداد قوة مع اقتراب الفئران من الطعام ووصولها. تقوم الشبكة بذلك عن طريق تتبع الخلايا العصبية التي تم إطلاقها معا لتحقيق ذلك وتقوية تلك الروابط إذا وجدت هذا مثيرا للاهتمام ، فتحقق من مشروع الشبكات العصبية Spiking الخاص بي. سأضع رابطا لذلك في التعليق أيضا

تحقق Spiking Neural Network من البداية دقة 8٪. لا يوجد انتشار خلفي أو SGD لقد أنشأت محسن المعلمات الوراثية الفائقة والآن ، في المتوسط ، يمكن أن تحصل على دقة 8٪ وهي ~ 3٪ فوق الفرصة رابط إلى شفرة المصدر مع فيديو مفصل وتفسيرات تخفيض السعر في التعليق كما أنه عادة ما يبدأ أقل من 5٪ ويتحسن ببطء ثم يمكن أن يبدأ في النهاية في الانخفاض إلى أقل من 5٪ ، وكل ذلك يقودني إلى الاعتقاد بأن هناك بصيصا من التعلم يحدث. في بعض الأحيان يكون ثابتا حوالي 7-8-9٪ لفترة طويلة لا يوجد انتشار خلفي أو SGD. يتعلم عبر STDP (اللدونة المعتمدة على توقيت السنبلة) وآلية المكافأة يتم تقديم كل مثال n عدة مرات (500 في هذه الحالة) مما ينتج عنه قطار سبايك يؤدي إلى قائمة الأهلية ، في نهاية المنعطف بناء على ما إذا كانت الإجابة صحيحة أم لا ، نقوم بضبط الأوزان باستخدام المكافأة كمضاعف يتتبع توقيت السنبلة تسلسل إطلاق الخلايا العصبية وأيها كان من المرجح أن يؤدي إلى الإجابة الصحيحة اسمحوا لي أن أعرف ما هو رأيك