شبکه عصبی اسپایکی: تفاوت میان نسخه‌ها
محتوای حذف‌شده محتوای افزوده‌شده
جزبدون خلاصۀ ویرایش |
جزبدون خلاصۀ ویرایش |
||
خط ۵:
== تاریخچه ==
ساختار شبکه های عصبی مصنوعی معمولا به گونه ای طراحی میشود که تمامی نورونها به یکدیگر متصل هستند و یک شبکه fully connected را ایجاد میکنند. این نورونها از تمامی نورونهای لایه ی قبل ورودی گرفته و خروجی خود را به تمامی نورونهای لایه ی بعد ارسال میکنند. اگرچه این شبکه ها کاربردهای ''یادگیری ماشین'' در زمینه های مختلف را به طرز چشمگیری دگرگون نموده و منجر به نتایج فوق العاده ای شده اند، مکانیسم یادگیری و انتشار اطلاعات در آنها دقیقا منطبق با مکانیسم های شناخته شده در شبکه های عصبی زیستی نیستند <ref>{{یادکرد وب|
اولین مدل محاسباتی نورونهای اسپایکی توسط هاجکین و هاکسلی در سال ۱۹۵۲ ارایه شد. این مدل با در نظر گرفتن کانالهای سدیمی و پتاسیمی روی غشای سلول، نشان میدهد که پتانسیل عمل چگونه ایجاد شده، در طول سلول منتشر میشود وهمچنین به سلولهای مجاور منتقل میگردد. در این مدل، نورونها اسپایک تولید نمیکنند و پیام خود را از طریق تغییر غلظت مواد شیمیایی موجود در فاصله ی بین دو نورون که نوروترنزمیتر نامیده میشوند به یکدیگر منتقل میکنند. پس از معرفی این مدل، مدل های پیچیده تری که متغیرهای حالت بیشتری را در نظر میگیرند معرفی شده اند که هر یک جنبه ای از تولید و انتشار اسپایک در نورون ها را بازنمایی میکنند. مدلهای integrate-and-fire، FitzHugh–Nagumo، و Hindmarsh–Rose مثالهایی از این [https://en.wikipedia.org/wiki/Biological_neuron_model مدل های زیستی] هستند.
| |||