泄漏积分和激发神经元模型
泄漏积分和激发神经元模型
提问于 2015-07-09 02:10:52
我最近一直在钻研神经网络。他们很棒，但有点模糊，至少很难接近。我特别感兴趣的是液态机器，它大量使用集成和触发神经元模型。不过，这件事我完全逃不过了。以下是一些问题：
- 对于漏积分神经元和激发神经元，什么是完美的神经元配置：火力一体化？也就是说，如果泄漏、整合和触发神经元是一个人工神经元，而不受生物约束的限制。
- 那么，它是否适合于一个典型的人工神经元结构，还是会保持其泄漏性？
- 通俗易懂地说，渗漏是如何整合和激发神经元的？它是如何装进液体状态机的(如果你碰巧知道一些模糊的，我知道)。
如果你知道这些问题的答案，你可以自由回答！
谢谢!
回答 1
Stack Overflow用户
发布于 2015-07-10 21:23:02
你的问题似乎相当笼统(因此我认为是否决)，但我将尝试解释什么是“漏集成和火”(LIF)神经元。你得自己把液态机器的东西联系起来，因为我不是这方面的专家。
LIF模型是这样设计的，用来解释电流与电压的关系(反之亦然)。这是对真实神经元发生的过度简化，这意味着我们创建了一个模型，它基本上是一个RC电路，用来描述通过神经元发生的电化学相互作用。
LIF神经元所做的是，它告诉你，如果你把电流(I)输入到一个神经元，它就变成电容电流( Cm*dVm/dt )和电阻电流(Vm/Rm)。
我们说“整合”，因为神经元整合了来自前一个神经元的所有输入。我们使用“泄漏”这个词，因为这个模型考虑到了它是随着时间的推移泄漏一些集成输入。的事实(因为在本质上，您通常会进入一个渐变/指数变化的最终状态)。
这是格斯特纳的另一个解释。，可能好多了。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/31306957
复制相关文章
相似问题
腾讯云开发者
