https://zbmath.org/atom/ai/de-maria.elisabetta网站 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.68086 2024-04-15T15:10:58.286558Z “德玛利亚，伊丽莎白” https://zbmath.org/authors/？q=ai:de（中文）-玛丽亚·伊丽莎白塔 “Cinzia Di Giusto” https://zbmath.org/authors/？q=ai:di-朱斯托·辛齐亚 “Laversa，Laetitia” https://zbmath.org/authors/？q=ai:laversa.laetitia 小结：在这篇文章中，我们讨论了尖峰神经网络参数的自动学习问题。生物神经元被形式化为时间自动机，突触连接被表示为自动机之间的共享通道。这种形式主义允许我们考虑几个与时间相关的方面，例如在计算每个神经元的电位值时过去输入的影响，或者不应期的存在，神经元不能发射的尖峰发射后的时间间隔。然后对所提出的模型进行形式化验证：更准确地说，我们确保在模型中保留一些以时序逻辑公式表示的相关属性。验证步骤完成后，我们利用提出的模型编写一个学习突触权重值的算法，以便显示预期的行为。我们提出的技术受到了监督学习技术的启发：我们将网络的有效输出与预期输出进行比较，并在网络中反向传播适当的纠正措施。我们开发了几个案例研究，包括相互抑制网络。