日前, 中科院自動化研究所類腦智慧研究中心研究員曾毅團隊成員在一項研究中總結歸納了七條受腦啟發的學習準則, 並成功應用於改善脈衝神經網路。 通過組合不同的受腦啟發的規則, 實驗研究驗證的結果是:隨著越來越多的、經過仔細選擇的、受腦啟發的規則的引入, 深層脈衝神經網路能夠得到越來越好的分類性能。 相關成果發佈於《中國科學:資訊科學》。
相比傳統的人工神經元而言, 脈衝神經元已具備更扎實的生物真實性, 然而傳統的脈衝神經網路模型僅僅抓住了腦資訊處理過程中初步的局部學習訓練法則。
在這些學習準則中, 神經元的動態分配、突觸的生成與消亡、可塑性模型等被認為是腦神經網路處理資訊的重要特性。 研究團隊將上述受腦啟發的規則引入脈衝神經網路模型。
研究人員表示, 他們提出的模型特點在於電腦制上相比傳統神經網路模型更具生物可解釋性,