喵ID：LEP4Kc免责声明

Efficient Training of Supervised Spiking Neural Network via Accurate Synaptic-Efficiency Adjustment Method

通过精确的突触效率调整方法有效训练有监督的尖峰神经网络

基本信息

DOI：
10.1109/tnnls.2016.2541339
发表时间：
2017-06
期刊：
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
影响因子：
10.4
通讯作者：
Hong Qu
中科院分区：
计算机科学1区
文献类型：
--
作者： Xiurui Xie;Hong Qu研究方向： -- MeSH主题词： --
关键词： --
来源链接：pubmed详情页地址

文献摘要

The spiking neural network (SNN) is the third generation of neural networks and performs remarkably well in cognitive tasks, such as pattern recognition. The temporal neural encode mechanism found in biological hippocampus enables SNN to possess more powe
脉冲神经网络（SNN）是第三代神经网络，在模式识别等认知任务中表现出色。在生物海马体中发现的时间神经编码机制使SNN具备更强的能力。
参考文献（34）
被引文献（46）
A New Supervised Learning Algorithm for Spiking Neurons
DOI：
10.1162/neco_a_00450
发表时间：
2013-06
期刊：
Neural Computation
影响因子：
2.9
作者：
Yan Xu;Xiaoqin Zeng;Shuiming Zhong
通讯作者：
Yan Xu;Xiaoqin Zeng;Shuiming Zhong
Rate Coding Versus Temporal Order Coding: What the Retinal Ganglion Cells Tell the Visual Cortex
DOI：
10.1162/08997660152002852
发表时间：
2001-06
期刊：
Neural Computation
影响因子：
2.9
作者：
R. V. Rullen;S. Thorpe
通讯作者：
R. V. Rullen;S. Thorpe
A basis coupled evolving spiking neural network with afferent input neurons
DOI：
10.1109/ijcnn.2013.6706964
发表时间：
2013-08
期刊：
The 2013 International Joint Conference on Neural Networks (IJCNN)
影响因子：
0
作者：
Shirin Dora;R. Savitha;S. Sundaram
通讯作者：
Shirin Dora;R. Savitha;S. Sundaram
NeuCube: A spiking neural network architecture for mapping, learning and understanding of spatio-temporal brain data
DOI：
10.1016/j.neunet.2014.01.006
发表时间：
2014-04-01
期刊：
NEURAL NETWORKS
影响因子：
7.8
作者：
Kasabov, Nikola K.
通讯作者：
Kasabov, Nikola K.
Signature of an anticipatory response in area VI as modeled by a probabilistic model and a spiking neural network
DOI：
10.1109/ijcnn.2014.6889847
发表时间：
2014-07
期刊：
2014 International Joint Conference on Neural Networks (IJCNN)
影响因子：
0
作者：
Bernhard A. Kaplan;M. A. Khoei;A. Lansner;Laurent Udo Perrinet
通讯作者：
Bernhard A. Kaplan;M. A. Khoei;A. Lansner;Laurent Udo Perrinet

数据更新时间：{{ references.updateTime }}

Hong Qu
通讯地址:
--
所属机构:
--
电子邮件地址：
--
免责声明免责声明
1、猫眼课题宝专注于为科研工作者提供省时、高效的文献资源检索和预览服务；
2、网站中的文献信息均来自公开、合规、透明的互联网文献查询网站，可以通过页面中的“来源链接”跳转数据网站。
3、在猫眼课题宝点击“求助全文”按钮，发布文献应助需求时求助者需要支付50喵币作为应助成功后的答谢给应助者，发送到用助者账户中。若文献求助失败支付的50喵币将退还至求助者账户中。所支付的喵币仅作为答谢，而不是作为文献的“购买”费用，平台也不从中收取任何费用，
4、特别提醒用户通过求助获得的文献原文仅用户个人学习使用，不得用于商业用途，否则一切风险由用户本人承担；
5、本平台尊重知识产权，如果权利所有者认为平台内容侵犯了其合法权益，可以通过本平台提供的版权投诉渠道提出投诉。一经核实，我们将立即采取措施删除/下架/断链等措施。
我已知晓