Tiefes unüberwachtes Lernen mit spike-timing-abhängiger Plastizität zur Verbesserung der Bildklassifizierung

Ein hybrides Lernverfahren, das eine konvolutionale Netzwerkarchitektur mit STDP-basiertem Clustering kombiniert, erzielt eine um 24,56% höhere Genauigkeit und eine 3,5-fach schnellere Konvergenz im Vergleich zu einem k-Means-Clustering-Ansatz auf einem 10-Klassen-Teilsatz des Tiny ImageNet-Datensatzes.