Core Concepts
생물학적으로 타당한 토폴로지를 가진 스파이킹 신경망을 활용하여 효율적인 의사결정 능력을 향상시킬 수 있다.
Abstract
이 논문은 생물학적으로 타당한 토폴로지를 가진 스파이킹 액터 네트워크(BPT-SAN)를 제안한다. BPT-SAN은 복잡한 시공간 동역학을 가진 스파이킹 뉴런과 생물학적으로 타당한 연결 패턴을 가진 네트워크 토폴로지를 통합한다.
BPT-SAN의 주요 특징은 다음과 같다:
수상돌기 나무의 국소 비선형성을 모델링하여 층간 연결에 반영
인접 뉴런 간 측면 상호작용을 도입하여 층내 연결에 반영
이러한 두 가지 네트워크 토폴로지가 시너지 효과를 발휘하여 네트워크의 정보 처리 능력을 크게 향상시킨다.
BPT-SAN은 인공 비평가 네트워크와 결합하여 TD3 및 SAC 알고리즘을 사용하여 학습된다. 4가지 연속 제어 작업에서 BPT-SAN은 기존의 인공 액터 네트워크와 일반 스파이킹 액터 네트워크보다 우수한 성능을 보인다.
Stats
생물학적으로 타당한 토폴로지를 가진 스파이킹 신경망은 인공 신경망에 비해 정보 처리 능력이 향상된다.
수상돌기 나무의 국소 비선형성을 모델링하고 인접 뉴런 간 측면 상호작용을 도입하면 네트워크의 표현력이 증가한다.
제안된 BPT-SAN은 4가지 연속 제어 작업에서 기존 방법보다 우수한 성능을 보인다.
Quotes
"생물학적으로 타당한 토폴로지를 가진 스파이킹 신경망은 인공 신경망에 비해 정보 처리 능력이 향상된다."
"수상돌기 나무의 국소 비선형성을 모델링하고 인접 뉴런 간 측면 상호작용을 도입하면 네트워크의 표현력이 증가한다."
"제안된 BPT-SAN은 4가지 연속 제어 작업에서 기존 방법보다 우수한 성능을 보인다."