| Property |
Value |
| dbo:abstract
|
- Les réseaux de neurones à impulsions (SNN: Spike Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANN: Artificial Neural Network, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage). L’encodage en temps pose de même des problèmes d’interprétation. Ces inconvénients sont aussi des avantages dans une perspective spatio-temporelle : l’intégration limite l’activation aux neurones voisins (espace) et tolère la perte d’information (temps). Ces éléments rendent les SNN théoriquement plus puissants que d’autres types d’ANN globalement dérivés de l'algorithme du perceptron. Les difficultés d’implémentation matérielle et de méthode d’apprentissage semblent toutefois des freins à l’émergence des SNN; l'industrie présente cependant des solutions commerciales depuis 2017 avec diverses annonces évoquant un intérêt pratique en termes de complexité adressable et d'efficacité énergétique. (fr)
- Les réseaux de neurones à impulsions (SNN: Spike Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANN: Artificial Neural Network, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage). L’encodage en temps pose de même des problèmes d’interprétation. Ces inconvénients sont aussi des avantages dans une perspective spatio-temporelle : l’intégration limite l’activation aux neurones voisins (espace) et tolère la perte d’information (temps). Ces éléments rendent les SNN théoriquement plus puissants que d’autres types d’ANN globalement dérivés de l'algorithme du perceptron. Les difficultés d’implémentation matérielle et de méthode d’apprentissage semblent toutefois des freins à l’émergence des SNN; l'industrie présente cependant des solutions commerciales depuis 2017 avec diverses annonces évoquant un intérêt pratique en termes de complexité adressable et d'efficacité énergétique. (fr)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 27004 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| prop-fr:wikiPageUsesTemplate
| |
| dct:subject
| |
| rdfs:comment
|
- Les réseaux de neurones à impulsions (SNN: Spike Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANN: Artificial Neural Network, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Ces inconvénients sont aussi des avantages dans une perspective spatio-temporelle : l’intégration limite l’activation aux neurones voisins (espace) et tolère la perte d’information (temps). (fr)
- Les réseaux de neurones à impulsions (SNN: Spike Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANN: Artificial Neural Network, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Ces inconvénients sont aussi des avantages dans une perspective spatio-temporelle : l’intégration limite l’activation aux neurones voisins (espace) et tolère la perte d’information (temps). (fr)
|
| rdfs:label
|
- Gepulste neuronale Netze (de)
- Red neuronal de impulsos (es)
- Réseau de neurones à impulsions (fr)
- Spiking neural network (en)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageWikiLink
of | |
| is oa:hasTarget
of | |
| is foaf:primaryTopic
of | |
