스파이킹 신경망에서의 계층적 베이esian 추론 및 학습

신경과학 및 심리과학의 수많은 실험 데이터는 인간의 뇌가 복잡한 환경을 다루기 위해 베이esian 원칙을 활용한다는 것을 시사합니다. 더욱이, 계층적 베이esian 추론은 피질 처리를 모델링하기 위한 적절한 이론적 프레임워크로 제안되었습니다. 그러나 이러한 계산이 생물학적으로 그럴듯한 스파이킹 뉴런 네트워크에서 어떻게 조직되는지는 여전히 알려져 있지 않습니다. 이 논문에서는 계층적 베이esian 추론 및 학습을 수행할 수 있는 승자 독차지 회로의 계층적 네트워크를 제안합니다. 특히, 전압 자극에 대한 반응으로 스파이킹 뉴런의 발화 활동과 스파이크 타이밍 의존 가소성 규칙이 각각 변분 E-단계 및 M-단계로 이해될 수 있는 방법을 보여줍니다. 마지막으로, 이 스파이킹 신경망의 유용성을 손으로 쓴 숫자의 비지도 분류를 위한 MNIST 벤치마크에서 입증합니다.