雷蒙迪尼，D。;Intrator，N。;G·卡斯特拉尼。;F.贝尔萨尼。;库珀，L.N。 神经网络建模中的最佳自发活动。 （英语） Zbl 1007.68818号 神经计算 44-46, 591-595 (2002). 摘要：我们认为高维输入空间的来源是一个变量，可以在神经元学习之前或期间进行优化。这组变量充当输入空间上的平移，以找到最佳原点，可以看作是一种自适应数据预处理，包含在更通用的学习规则中。在这个框架中，我们可以对新模型进行现实的生物学解释。该修改规则实现了神经元学习的原始目标，同时将突触修改所需的能量消耗保持在最低水平。这种突触前偏向可能与“最佳自发活动”的概念有关。它扩展了常见模型（如峭度、主成分分析、独立分量分析和BCM）的属性，从而为聚类、特征提取和数据压缩等问题提供了新的见解和更好的解决方案。新的学习规则与区分两个簇的基本方法相竞争：不同于Fisher判别分析，在Fisher鉴别分析中，两个（对称）簇被穿过其中心的线隔开，我们的分离是通过在坐标系中移动到一个位置来实现的，其中一个簇与分离向量正交，而另一个簇不正交。 MSC公司： 68单位99 计算方法和应用 68T05型 人工智能中的学习和自适应系统 92C20美元 神经生物学 关键词：突触可塑性;无监督学习;聚类分析;自适应预处理 PDF格式BibTeX公司 XML格式引用 \textit{D.Remondini}等人，神经计算44-46591-595（2002；Zbl 1007.68818） 全文： DOI程序