Spiking Neural Network von Grund auf erreicht 8% Genauigkeit. keine Rückpropagation oder SGD Ich habe einen genetischen Hyperparameter-Optimierer erstellt und er kann jetzt im Durchschnitt 8% Genauigkeit erreichen, was ~3% über dem Zufallsniveau liegt. Link zum Quellcode mit einem detaillierten Video und Markdown-Erklärungen im Kommentar. Es beginnt normalerweise unter 5% und verbessert sich langsam, kann dann schließlich unter 5% fallen, was mich glauben lässt, dass es Anzeichen von Lernen gibt. Manchmal stabilisiert es sich um 7-8-9% für lange Zeit. Es gibt keine Rückpropagation oder SGD. Es lernt über STDP (spike timing dependent plasticity) und einen Belohnungsmechanismus. Jedes Beispiel wird viele Male (500 in diesem Fall) präsentiert, was einen Spike-Zug erzeugt, der zu einer Berechtigungsliste führt. Am Ende eines Zuges, basierend darauf, ob die Antwort korrekt war oder nicht, passen wir die Gewichte unter Verwendung der Belohnung als Multiplikator an. Spike-Timing verfolgt die Reihenfolge der Neuronenfeuerungen und welche wahrscheinlicher zur richtigen Antwort geführt haben. Lass mich wissen, was du denkst.