From STDP towards Biologically Plausible Deep Learning

Bridging the Gap Between Deep Learning and Neuroscience
Oct 2017

From STDP towards Biologically Plausible Deep Learning

Oct 2017

Nous introduisons une fonction d’objectif prédictif pour l’aspect taux de la plasticité dépendant du pic de synchronisation (STDP), c’est-à-dire sans tenir compte des effets du synchronisme des pics mais en examinant les variations du taux des pics. La mise à jour de poids proposée est proportionnelle au taux de pics (ou d’allumage) présynaptique multiplié par le changement temporel de l’activité postsynaptique intégrée. Nous présentons une explication intuitive de la relation entre le pic de pointage et le changement de poids qui survient lorsque le changement de poids suit cette règle. Les simulations basées sur les pointes concordent avec la relation proposée entre la synchronisation des pointes et le changement temporel de l’activité postsynaptique et montrent une forte corrélation entre le comportement STDP observé biologiquement et le comportement obtenu à partir de simulations où le changement de poids suit le gradient de la fonction objectif prédictive. Enfin, nous établissons des liens entre cette fonction objectif, le calcul neuronal sous forme d’inférence, l’appariement de scores et l’EM variationnelle.

.

Reference

Linked Profiles