私は、報酬変調ヘブ可塑性を使用してマウスを食物に導くことを学習する3つの運動ニューロンを備えた連続アトラクターネットワークを構築しました バックプロパゲーションやSGDはありません。 この場合、最初はネットワーク化された人が食べ物😯の周りを回ることを学びました ソースコードはオープンソースです。コメントのリンク CAN 内の 36 個のニューロンが食べ物がどこにあるかを検出し、このネットワーク内の各ニューロンはすべての運動ニューロンに接続します。 最初は接続はランダムで弱く、マウスが近づいて食べ物に到達するにつれて強くなります。ネットワークは、これを達成し、それらの接続を強化するためにどのニューロンが一緒に発火したかを追跡することによってこれを行います これが興味深いと思われる場合は、私のスパイクニューラルネットワークプロジェクトをチェックしてください。コメントにもリンクを貼ります

ニューラルネットワークをゼロからスパイクすると、8%の精度が達成されます。バックプロパゲーションまたはSGDなし 私は遺伝的ハイパーパラメータオプティマイザーを作成しましたが、現在では平均して8%の精度を得ることができ、これは確率を~3%上回っています コメント内の詳細なビデオとマークダウンの説明を含むソースコードへのリンク また、通常、5%未満で始まり、徐々に改善し、最終的には5%を下回り始める可能性があり、これらすべてが、学習の兆しが起こっていると信じさせます。sometims それは長い間7-8-9%前後で安定しています バックプロパゲーションやSGDはありません。STDP(スパイクタイミング依存可塑性)と報酬メカニズムを介して学習します 各例は n 回 (この場合は 500 回) 提示され、適格性リストにつながるスパイク トレインを生成し、答えが正しかったかどうかに基づいてターンの終わりに、報酬を乗数として使用して重みを調整します スパイクのタイミングは、ニューロンの発火の順序と、どの発火が正解につながる可能性が高かったかを追跡します ご意見をお聞かせください