- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我现在正在学习 LSM(液态状态机),我正在尝试了解它们到底是如何用于学习的。
我对在网上读到的内容感到非常困惑。我将写出到目前为止我所理解的内容,但它可能不正确,所以如果您能纠正我并解释什么是正确的,我会很高兴:
LSM 根本没有经过训练:它们只是用许多“时间神经元”(例如 Leaky Integrate & Fire 神经元)进行初始化,而它们的阈值是随机绘制的,它们之间的连接也是随机绘制的(即神经元)不必与其他每个神经元有共同的边缘)。
如果我们想“了解”输入I后x个时间单位,出现Y,那么我们需要使用 LIF“检测器”“等待”x 个时间单位,并查看哪些神经元在该特定时刻放电。然后,我们可以训练一个分类器(例如前馈网络),这个特定的放电神经元子集意味着 Y 发生了。
我们可能在“液体”中使用许多“时间神经元”,因此您可能有许多可能不同的放电神经元子集,因此在我们等待后的那一刻,放电神经元的特定子集几乎是唯一的x 时间单位,输入我们的输入I
后我不知道我上面写的是否属实。我希望得到有关该主题的解释。
最佳答案
从你的问题来看,你的思路是正确的。无论如何,液体状态机和回声状态机是涉及计算神经科学和物理学的复杂主题,涉及混沌、动态 Action 系统、反馈系统和机器学习等主题。因此,如果您觉得很难理解它,也没关系。
回答您的问题:
关于 LIF(泄漏集成和火神经元),正如我所见(我可能是错的),两种方法之间的最大区别在于单个单元。在液态状态下,机器使用类似生物的神经元,而在回声状态下,使用更多的模拟单元。因此,就“极短期内存”而言,液态方法中每个神经元都会记住自己的历史,而在回声状态方法中,每个神经元仅根据当前状态使用react,因此存储在神经元之间的事件中的内存单位。
关于machine-learning - 液态状态机: How it works and how to use it?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28326776/
我是一名优秀的程序员,十分优秀!