脉冲神经网络学习算法验证数据集

本数据集包含六种类脑脉冲神经网络学习算法的实验结果和验证材料。模型的核心组件为算法特征提取的模块，即网络模型设计。基于脉冲序列标识的时空反向传播算法和替代梯度下降反向传播算法通过改进误差反向传播算法实现网络权重更新；脉冲神经网络深度学习自适应最小均方反向传播算法利用随机性delta信用分配的反向传播策略实现在线实时监督学习的LMS算法；脉冲定时依赖可塑性自组织映射学习算法根据STDP规则实现自组织网络的更新，更具生物合理性；基于稀疏表达误差反向传播的自监督学习算法引入稀疏编码，利用对比学习实现网络权重更新；多变体自监督学习算法提出PiCLoss损失函数，利用对比学习更新网络权重。模型根据经验设置并构图，并在公开数据集上进行验证，进一步证明了算法的有效性，为类脑模型的构建提供基础，数据集共1M。

搜集汇总

背景与挑战

背景概述

该数据集汇集了六种类脑脉冲神经网络学习算法的实验验证材料，包括基于脉冲序列标识的时空反向传播、替代梯度下降反向传播、自适应最小均方反向传播、脉冲定时依赖可塑性自组织映射、基于稀疏表达误差反向传播的自监督学习以及多变体自监督学习算法。这些算法在公开数据集上进行了验证，证明了其有效性，为类脑模型的构建提供了基础，数据集总大小约981KB。