Core Concepts
階層的概念を表現するスパイキングニューラルネットワークにおいて、部分的な情報が提示された場合や一部のニューロンが故障した場合でも、概念を正しく認識できるようにするために、各概念を複数のニューロンで表現する。
Abstract
本論文では、階層的概念をスパイキングニューラルネットワークで表現する方法について検討している。
階層的概念を表現するために、各概念を複数のニューロンで表現する。これにより、一部のニューロンが故障しても概念の記憶を維持できる。
3つのタイプのネットワークを考える:
高い接続性を持つ順方向ネットワーク
低い接続性を持つ順方向ネットワーク
低い接続性と順方向・横方向の両方の接続を持つネットワーク
各ネットワークにおいて、部分的な情報が提示された場合や一部のニューロンが故障した場合でも、概念を正しく認識できることを示す。
認識の確率は、表現に使用するニューロンの数や故障確率に依存する。
各ネットワークタイプにおける表現の学習アルゴリズムについても議論する。
Stats
各概念を表現するニューロンの数mが大きいほど、正しく認識される確率が高くなる。
ニューロンの故障確率qが小さいほど、正しく認識される確率が高くなる。