×
法德兰卡马鲁扎曼；阿米尔·阿克拉明·沙菲；亚西尔·穆斯塔法。

使用尖峰神经元进行重合检测，并应用于人脸识别。 （英语） Zbl 1386.68132号

J.应用。数学。 2015年，文章ID 534198，20 p.（2015）.
总结：我们阐述了尖峰神经网络（SNN）作为分类器的局部集成的实际实现。突触时间常数（tau_s）被用作学习参数，用于表示从分类器级的一组训练数据中学习到的变化。该分类器使用以监督方式训练的符合检测（CD）策略，使用一种称为“预测”的新型监督学习方法，该方法通过迭代自适应“预测”将输出尖峰的精确定时调整为期望的尖峰定时。本文还讨论了用于符合检测的尖峰响应模型（SRM）中尖峰时间的近似。这个过程大大加快了学习和分类的整个过程。使用人脸数据集（如AR、FERET、JAFFE和CK+数据集）进行的性能评估表明，与使用受监督Synaptic-Time-Dependent Plasticity（STDP）训练的网络相比，该方法具有更好的人脸分类性能。我们同时发现，该方法的分类精度优于（k）最近邻、（k）NN的集合和支持向量机。对几种类型的尖峰编码的评估也表明，延迟编码在人脸分类以及其他多元数据集的分类中提供了最佳结果。

MSC公司：

68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别

软件：

费雷特；AR面；UCI-毫升；伦敦银行支持向量机；雅菲；科恩-卡纳德
PDF格式BibTeX公司 XML格式引用
\textit{F.Kamaruzaman}等人，J.Appl。数学。2015年，文章ID 534198，20 p.（2015；Zbl 1386.68132）
全文： 内政部

参考文献：

[1] 罗伊，S.A。；Alloway，K.D.，巧合检测还是时间积分？躯体感觉皮层中的神经元在做什么，《神经科学杂志》，21，7，2462-2473（2001）
[2] 卡尔顿，J.G。；Cullen，P.J.，磷脂信号的重合检测，细胞生物学趋势，15，10，540-547（2005）·doi:10.1016/j.tcb.2005.08.005
[3] Tabone，C.J。；Ramaswami，M.，学习和记忆是否需要NMDA受体关联检测？，神经元，74，5767-769（2012）·doi:10.1016/j.neuron.2012.05.008
[4] Maass，W。；Maass，W。；Bishop，C.M.，用尖峰神经元计算，脉冲神经网络，55-85（1999），美国马萨诸塞州剑桥：麻省理工学院出版社
[5] 斯波里亚，I。；Grüning，A.，多层峰值神经网络中的监督学习，神经计算，25，2，473-509（2013）·Zbl 1269.68083号 ·doi:10.1162/necoa_00396
[6] Abeles，M.，皮层神经元的作用：积分器还是巧合检测器？，以色列医学杂志，18，1，83-92（1982）
[7] 科尼格，P。；恩格尔，A.K。；Singer，W.，积分器还是符合检测器？皮层神经元的作用重温，《神经科学趋势》，19，4，130-137（1996）·doi:10.1016/s0166-2236（96）80019-1
[8] DeCharms，R.C。；Zador，A.，《神经表征和皮层密码》，《神经科学年度评论》，23，613-647（2000）·doi:10.1146/annurev.neuro.23.1.613
[9] Usrey，W.M。；阿隆索，J.M。；Reid，R.C.，猫视觉皮层简单细胞丘脑输入之间的突触相互作用，《神经科学杂志》，20，14，5461-5467（2000）
[10] 陈，Y。；张，H。；王，H。；Yu，L.，《巧合检测神经元在噪声阈下信号检测可靠性和准确性中的作用》，《公共科学图书馆·综合》，第8期，第2期（2013年）·doi:10.1371/journal.pone.0056822
[11] Bohte，S.M。；Kok，J.N。；Poutre，H.L.，SpikeProp:尖峰神经元网络的反向传播，第八届欧洲人工神经网络研讨会论文集（ESANN'00）
[12] Bohte，S.M。；Kok，J.N。；Poutré，H.L.，尖峰神经元时间编码网络中的错误反向传播，神经计算，48，17-37（2002）·Zbl 1006.68760号 ·doi:10.1016/s0925-2312（01）00658-0
[13] Ponulak，F.，ReSuMe-波兹南科技大学控制与信息工程研究所，《尖峰神经网络的新监督学习方法》（2005）
[14] Florian，R.V.，计时管：一种学会发射时间精确尖峰模式的神经元，PLoS ONE，7，8（2012）·doi:10.1371/journal.pone.0040233
[15] Xu，Y。；曾，X。；Han，L。；Yang，J.，基于梯度下降的尖峰神经网络监督多尖峰学习算法，神经网络，43，99-113（2013）·Zbl 1321.92040号 ·doi:10.1016/j.neunet.2013.02.003
[16] Mohemmed，A。；Schliebs，S。；松田，S。；Kasabov，N.，训练峰值神经网络以关联时空输入输出峰值模式，神经计算，107，3-10（2013）·doi:10.1016/j.neucom.2012.08.034
[17] 普菲斯特，J.-P。；巴伯，D。；Gerstner，W.，《最优赫布学习：概率观点》，《人工神经网络和神经信息处理-ICANN/ICONIP 2003》。人工神经网络和神经信息处理——ICANN/ICONIP 2003，计算机科学讲义，2714，92-98（2003），德国柏林：施普林格，德国柏林·Zbl 1037.68707号 ·doi:10.1007/3-540-44989-2_12
[18] 普菲斯特，J.-P。；Toyoizumi，T。；巴伯，D。；Gerstner，W.，监督学习中精确动作电位激发的最佳峰值时间依赖性可塑性，神经计算，18，6，1318-1348（2006）·Zbl 1092.92008年 ·doi:10.1162/neco.2006.18.6.1318
[19] 卡内尔，A。；Richardson，D.，尖峰时间序列的线性代数，第13届欧洲人工神经网络研讨会论文集
[20] Belatreche，A。；马奎尔，L.P。；McGinnity，M。；Wu，Q.X.，尖峰神经网络的监督训练方法，IEEE控制论智能化进展与挑战会议录（CICA’03）
[21] Schrauwen，B.，《朝向适用的峰值神经网络》【博士学位】（2008），比利时根特：电子和信息系统，比利时根特根特大学
[22] 郭士纳，W。；Kistler，W.M.，《尖峰神经元模型》（2002），英国剑桥：剑桥大学出版社，英国剑桥·兹比尔1100.92501
[23] 郭士纳，W。；Kistler，W.M.，《希伯来学习的数学公式》，生物控制论，87，5-6，404-415（2002）·Zbl 1105.92313号 ·doi:10.1007/s00422-002-0353-y
[24] 雅培，L.F。；Nelson，S.B.，《突触可塑性：驯服野兽》，《自然神经科学》，31178-1183（2000）·数字对象标识代码：10.1038/81453
[25] Song，S。；Miller，K.D。；Abbott，L.F.，《通过尖峰时间依赖性突触可塑性进行竞争性希伯来学习》，《自然神经科学》，3，9，919-926（2000）·doi:10.1038/78829
[26] Makino，T.，通用神经元模型的离散事件神经网络模拟器，神经计算与应用，11，3-4，210-223（2003）·Zbl 1040.68101号 ·doi:10.1007/s00521-003-0358-z
[27] Brette，R.，《具有突触电导的积分和纤芯模型的精确模拟》，神经计算，18，8，2004-2027（2006）·2012年11月11日 ·doi:10.1162/neco.2006.18.8.2004年
[28] 斯波里亚，I。；Grüning，A.，SpikeProp中的参考时间，国际神经网络联合会议（IJCNN’11）论文集·doi:10.1109/ijcnn.2011.6033344
[29] Zaman，F.K。；沙菲，A.A。；Mustafah，Y.M.，《抵抗表情和部分遮挡的人脸识别》
[30] Tan，X。；陈，S。；周，Z.-H。；Zhang，F.，使用SOM和软（κ）-NN集成从每个人的单个训练图像中识别部分遮挡的表情变体脸，IEEE神经网络学报，16，4，875-886（2005）·doi:10.1109/tnn.2005.849817
[31] Tan，X。；陈，S。；周，Z.-H。；Zhang，F.，人均单幅图像人脸识别：一项调查，模式识别，39，9，1725-1745（2006）·Zbl 1096.68732号 ·doi:10.1016/j.patcog.2006.03.013
[32] 马丁内斯，A.M。；Benavente，R.，AR面部数据库，CVC技术报告，24（1998），普渡大学
[33] Lyons，M.J。；卡马奇，M。；Gyoba，J.，《日本女性面部表情》（JAFFE），数字图像数据库（1997）
[34] Jonathon Phillips，P。；Moon，H。；Rizvi，S.A。；Rauss，P.J.，面向人脸识别算法的FERET评估方法，IEEE模式分析和机器智能汇刊，22，10，1090-1104（2000）·doi:10.1009/34.879790
[35] 露西，P。；科恩，J.F。；Kanade，T。；Saragih，J。；安巴达尔，Z。；Matthews，I.，《扩展Cohn-Kanade数据集（CK+）：动作单位和情绪特定表达的完整数据集》，IEEE计算机学会计算机视觉和模式识别研讨会会议记录（CVPRW’10）
[36] Nordlie，E。；Gewaltig，M.-O。；Plesser，H.E.，《朝向神经元网络模型的可再现描述》，《公共科学图书馆·计算生物学》，2009年第5期、第8期·doi:10.1371/journal.pcbi.1000456
[37] 苏，Y。；Shan，S。；陈，X。；Gao，W.，用于人脸识别的全局和局部分类器的层次集成，IEEE图像处理汇刊，18,81885-1896（2009）·Zbl 1371.94355号 ·doi:10.1109/TIP.2009.2021737
[38] Chang，C.-C。；Lin，C.-J.，LIBSVM：支持向量机库，ACM智能系统与技术汇刊，2，3，第27条（2011年）·数字对象标识代码：10.1145/1961189.1961199
[39] 巴赫，K。；Lichman，M.，UCI机器学习库（2013），美国加利福尼亚州欧文市：加利福尼亚大学信息与计算机科学学院，美国加州欧文市
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。