Characterizing Learning in Spiking Neural Networks with Astrocyte-Like Units
作者: Christopher S. Yang, Sylvester J. Gates III, Dulara De Zoysa, Jaehoon Choe, Wolfgang Losert, Corey B. Hart
发布时间: 2025-03-11
来源: arxiv
研究方向: 神经形态计算与人工神经网络
主要内容
本研究通过构建包含神经元和星形胶质细胞（类似单元）的脉冲神经网络模型，探究星形胶质细胞对神经网络学习的影响，并分析不同比例的神经元和星形胶质细胞对学习率的影响。
主要贡献
1. 提出了一种包含星形胶质细胞类似单元的脉冲神经网络模型。
2. 通过实验验证了星形胶质细胞对神经网络学习的影响。
3. 发现神经元和星形胶质细胞的最佳比例约为2:1，与生物大脑中的比例相似。
4. 为神经形态计算和人工神经网络的发展提供了新的思路和方向。
研究方法
1. 脉冲神经网络
2. 星形胶质细胞类似单元模型
3. 液体状态机（LSM）
4. Lorenz系统时间序列预测
5. 多回归分析
6. LASSO回归
实验结果
实验结果表明，包含星形胶质细胞类似单元的神经网络在学习率方面优于仅包含神经元的网络。当神经元和星形胶质细胞的比例为2:1时，学习率最高。
未来工作
未来研究可以进一步探索星形胶质细胞在神经网络中的作用机制，并开发更精确的星形胶质细胞类似单元模型。此外，还可以将星形胶质细胞类似单元应用于其他类型的神经网络，以提升其性能。