Publication:
Correlation Encoding of Input Data for Solving a Classification Task by a Spiking Neural Network with Spike-Timing-Dependent Plasticity

Дата
2022
Авторы
Serenko, A.
Rybka, R.
Sboev, A.
Journal Title
Journal ISSN
Volume Title
Издатель
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт ядерной физики и технологий
Цель ИЯФиТ и стратегия развития - создание и развитие научно-образовательного центра мирового уровня в области ядерной физики и технологий, радиационного материаловедения, физики элементарных частиц, астрофизики и космофизики.
Выпуск журнала
Аннотация
© 2022, The Author(s), under exclusive license to Springer Nature Switzerland AG.We propose a new approach for encoding input data into spike sequences presented to the spiking neural network in a classification task: an input vector is represented by mutual correlations of input spike sequences. The accuracy obtained on the benchmark classification tasks of Fisher’s Iris and Wisconsin breast cancer is comparable to the results of other existing approaches to spiking neural network learning on base of Spike-Timing-Dependent Plasticity.
Описание
Ключевые слова
Цитирование
Serenko, A. Correlation Encoding of Input Data for Solving a Classification Task by a Spiking Neural Network with Spike-Timing-Dependent Plasticity / Serenko, A., Rybka, R., Sboev, A. // Studies in Computational Intelligence. - 2022. - 1032 SCI. - P. 457-462. - 10.1007/978-3-030-96993-6_50
URI
https://www.doi.org/10.1007/978-3-030-96993-6_50
 https://www.scopus.com/record/display.uri?eid=2-s2.0-85127619111&origin=resultslist
 http://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcAuth=Alerting&SrcApp=Alerting&DestApp=WOS_CPL&DestLinkType=FullRecord&UT=WOS:000833484200050
 https://openrepository.mephi.ru/handle/123456789/28972
Коллекции
Публикации