针对冲动噪声,对无尺度尖端神经网络进行反干扰
Lei Guo1,2, Minxin Guo1,2, Youxi Wu3
1State Key Laboratory of Reliability and Intelligence of Electrical Equipment, Hebei University of Technology, Tianjin 300130, China.
Brain sciences
|May 27, 2023
概括
这项研究介绍了一个无的尖端神经网络 (SFSNN),该神经网络证明了对冲动噪声的稳定性. 高集群的SFSNN显示出优越的反干扰性能,突出突出突触可塑性和网络拓作为大脑类智能的关键因素.
科学领域:
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 大脑对刺激的强度是提高类似大脑的智能的关键.
- 目前的尖端神经网络 (SNN) 模型缺乏生物理性和适当的反干扰评估方法.
研究的目的:
- 在外部噪音下研究一个生物理性的类似大脑模型的自我适应调节和反干扰性能.
- 探索一种新型尖端神经网络反干扰能力背后的机制.
主要方法:
- 构建一个无尺度的尖端神经网络 (SFSNN).
- 调查SFSNN对冲动噪声的抗干扰能力.
- 在噪音下分析神经信息处理动态.
主要成果:
- 在SFSNN表现出显著的抗干扰能力对冲动噪声.
- 与低集群网络相比,高集群的SFSNN显示出更高的性能.
- 神经信息处理涉及神经元发射,突触重量和网络拓学的动态相互作用.
结论:
- 突触可塑性是有助于SFSNN的抗干扰能力的一个内在因素.
- 网络拓影响了SFSNN在抵抗干扰方面的整体性能.
- 开发的SFSNN模型为类似大脑的智能研究提供了更好的生物理性.
