स्पंदित या स्पाइकिंग न्यूरल नेटवर्क में जैविक न्यूरॉन्स की झिल्ली की अधिक गतिशीलता शामिल होती है, जहां दालों की जानकारी अगली परत तक ले जाती है। न्यूरॉन्स को आवश्यक रूप से एक ही समय में "आग" नहीं करना पड़ता है, क्योंकि वे एक बैकप्रॉप में होंगे, उदाहरण के लिए।
फिर भी, मशीन सीखने की समस्याओं के लिए इन मॉडलों को नियोजित करने में बाधाएं लगती हैं। अधिक विशिष्ट रूप से यथार्थवादी होने वाले मॉडल का उपयोग करके मशीन सीखने वाले चिकित्सकों के रास्ते में कौन से विशिष्ट मुद्दे खड़े होते हैं?
जवाबों:
मुख्य मुद्दा यह है कि किसी को नहीं पता कि मस्तिष्क कैसे काम करता है :)
सिद्धांत
जहां तक मैं बता सकता हूं, तंत्रिका नेटवर्क अनुसंधान में तीन बड़े चरण हैं:
मूल रूप से, यहां का विकास मानव मस्तिष्क के काम करने के तरीके के करीब जाना है, और अंतिम मॉडल में सबसे अच्छी निष्ठा है।
अभ्यास
एसएनएन बहुत ही आशाजनक लगते हैं और यहां तक कि इसके ऊपर निर्मित एक स्मारक उत्पाद स्पाइकनेट भी है ("क्या स्पाइकनेट कर सकते हैं" और "क्या स्पाइकनेट अभी तक नहीं कर सकता" के तहत आप उन समस्याओं को देख सकते हैं)।
मैं स्पिकिंग नेटवर्क के साथ विशिष्ट मुद्दों के बारे में नहीं बता सकता - लेकिन सामान्य तौर पर मुझे इस बात का आभास है कि यह मुद्दे उठते हैं क्योंकि लोग चाहते हैं कि SNNs एक मानव मस्तिष्क की तरह अधिक से अधिक काम करें:
विकिपीडिया में "पल्स्ड न्यूरल नेटवर्क्स" पुस्तक की एक कड़ी है, जिसमें "पल्स-कोडेड न्यूरल नेटवर्क्स के कार्यान्वयन मुद्दे" सेक्शन है, लेकिन मैं उस पर टिप्पणी करने के लिए पर्याप्त शिक्षित नहीं हूं।
विषय के परिचय के लिए, मैं इस पत्र की सिफारिश करता हूं: स्पंदित तंत्रिका नेटवर्क और उनका अनुप्रयोग ( पीडीएफ )
ऐसा लगता है कि सभी तंत्रिका नेटवर्क एल्गोरिदम अपने प्रशिक्षण एल्गोरिदम में कुछ प्रकार के ढाल वंश का उपयोग करते हैं और यहां तक कि गैर एएनएन मॉडल क्रमिक वंश का उपयोग करते हैं। लगता है कि SNNs पर एक अस्थायी फैशन में ढाल वंश को कैसे लागू किया जाए, इसके बारे में कोई सिद्धांत नहीं है। एक संभावना न्यूरोमॉर्फिक कंप्यूटिंग में वृद्धि है जो एसएनएन के अनुरूप जैविक रूप से अधिक यथार्थवादी मॉडल का उपयोग करता है। लेकिन ऐसा लगता है कि न्यूरोमोर्फिक क्षेत्र में आज तक मजबूत मशीन-लर्निंग बेंचमार्क / सफलताएं प्राप्त नहीं हुई हैं, जैसे कि कई मानक एमएल समस्याओं जैसे हस्तलेखन मान्यता, भाषण मान्यता, वस्तु मान्यता, भाषा अनुवाद आदि में प्राप्त निश्चित मानदंड के साथ।