Key points are not available for this paper at this time.
현재의 인공 신경망(ANN) 모델들은 매우 단순화된 뇌 동역학에 기반하고 있습니다. 이들은 복잡한 패턴 인식, 함수 추정 및 분류 문제를 해결하기 위한 강력한 계산 도구로 사용되어 왔습니다. ANN은 더 강력하고 생물학적으로 더욱 현실적인 모델로 발전해왔습니다. 지난 10년 동안, 스파이크 신경망(SNN)이 개발되어 스파이크 뉴런으로 구성되어 있습니다. 이러한 뉴런에서의 정보 전달은 생물학적 뉴런에서의 정보 전달을 모방하는데, 즉 스파이크의 정확한 타이밍이나 스파이크의 연속을 통해 이루어집니다. 이러한 네트워크에서 학습을 촉진하기 위해 최근에 생물학적 그럴듯함의 다양한 정도에 기반한 새로운 학습 알고리즘도 개발되었습니다. SNN에서 정보 인코딩을 위한 시간 차원의 추가는 인간 뇌의 동역학에 대한 새로운 통찰을 제공하며, 대규모 신경망의 간결한 표현을 초래할 수 있습니다. 따라서, SNN은 본질적인 동적 표현 덕분에 복잡한 시간 종속 패턴 인식 문제를 해결하는 데 큰 잠재력을 가지고 있습니다. 이 기사는 스파이크 뉴런 및 SNN의 발전에 대한 최첨단 리뷰를 제공하며, 제3세대 신경망으로서의 진화에 대한 통찰을 제공합니다.
Ghosh‐Dastidar 외 (Sat,)는 이 질문을 연구했습니다.