Saya membangun Jaringan Atraktor Berkelanjutan dengan 3 neuron motorik yang belajar memandu tikus menuju makanan menggunakan plastisitas Hebbian yang dimodulasi Reward Tidak ada propagasi balik dan tidak ada SGD. Dalam hal ini pada awalnya, jaringan belajar berputar-putar di sekitar makanan 😯 Kode sumber adalah open source. Tautan di Komentar 36 neuron di CAN mendeteksi di mana makanan berada, setiap neuron dalam jaringan ini terhubung ke setiap neuron motorik. Pada awalnya koneksinya acak dan lemah dan mereka menjadi lebih kuat saat tikus mendekati dan mencapai makanan. Network melakukan ini dengan melacak neuron mana yang ditembakkan bersama untuk mencapai ini dan memperkuat koneksi tersebut Jika Anda merasa ini menarik, lihat proyek jaringan saraf Spiking saya. Saya akan menempatkan tautan ke itu di komentar juga

Spiking Neural Network dari awal mencapai akurasi 8%. tidak ada propagasi balik atau SGD Saya membuat pengoptimal parameter hiper genetik dan sekarang, rata-rata, bisa mendapatkan akurasi 8% yang ~3% di atas peluang Tautkan ke kode sumber dengan video terperinci dan penjelasan penurunan harga di komentar Itu juga biasanya dimulai lebih rendah dari 5% dan perlahan-lahan membaik kemudian akhirnya dapat mulai turun di bawah 5%, yang semuanya membuat saya percaya ada secercah pembelajaran yang terjadi. kadang-kadang itu stabil sekitar 7-8-9% untuk waktu yang lama tidak ada propagasi balik atau SGD. ia belajar melalui STDP (plastisitas tergantung waktu lonjakan) dan mekanisme penghargaan Setiap contoh disajikan n berkali-kali (500 dalam hal ini) yang menghasilkan kereta lonjakan yang mengarah ke daftar kelayakan, di akhir giliran berdasarkan apakah jawabannya benar atau tidak kami menyesuaikan bobot menggunakan hadiah sebagai pengganda Waktu lonjakan melacak urutan penembakan neuron dan mana yang lebih mungkin mengarah pada jawaban yang benar Beri tahu saya apa yang Anda pikirkan