स्पैन: स्पाइक पैटर्न एसोसिएशन न्यूरॉन स्पैटियो-टेम्पोरल स्पाइक पैटर्न सीखने के लिए

स्पाइकिंग न्यूरल नेटवर्क (SNN) को स्पैटियो-टेम्पोरल जानकारी की प्रोसेसिंग के लिए उपयुक्त उपकरणों के रूप में प्रदर्शित किया गया है। हालाँकि, उनकी अंतर्निहित जटिलता के कारण, SNN के लिए प्रभावी पर्यवेक्षित शिक्षण एल्गोरिदम को तैयार करना कठिन है और यह अनुसंधान क्षेत्र में एक महत्वपूर्ण समस्या बनी हुई है। यह लेख SPAN प्रस्तुत करता है - एक स्पाइकिंग न्यूरॉन जो मनमाने स्पाइक ट्रेनों के संघों को एक पर्यवेक्षित तरीके से सीखने में सक्षम है और जो स्पाइक्स के सटीक समय में एन्कोड की गई स्पैटियो-टेम्पोरल जानकारी की प्रोसेसिंग की अनुमति देता है। प्रस्तावित एल्गोरिदम का विचार यह है कि सीखने के चरण के दौरान स्पाइक ट्रेनों को एनालॉग सिग्नलों में परिवर्तित किया जाए ताकि उन पर सामान्य गणितीय ऑपरेशन किए जा सकें। इस परिवर्तन का उपयोग करते हुए, यह रूपांतरित स्पाइक ट्रेनों पर सीधे विड्रो-हॉफ नियम को लागू करना संभव है ताकि सायनैप्टिक वज़न को समायोजित किया जा सके और न्यूरॉन के इच्छित इनपुट/आउटपुट स्पाइक व्यवहार को प्राप्त किया जा सके। प्रस्तुत प्रयोगात्मक विश्लेषण में, प्रस्तावित शिक्षण एल्गोरिदम की उसकी शिक्षण क्षमताओं, उसकी मेमोरी क्षमता, शोरपूर्ण उत्तेजनाओं के प्रति उसकी मजबूती और उसकी वर्गीकरण प्रदर्शन के संबंध में मूल्यांकन किया गया है। SPAN की ReSuMe और क्रोनोट्रोन नामक दो संबंधित एल्गोरिदम के संबंध में भिन्नताएं और समानताएं चर्चा की गई हैं।