我们在Nengo框架上介绍了基于纯净的神经网络(SNN)的基于稀疏分布式存储器(SDM)。我们基于Furber等人,2004年之前的工作,使用N-y-y of-of-modes实现SDM。作为SDM设计的组成部分,我们已经在Nengo上实现了使用SNN的相关矩阵存储器(CMM)。我们的SNN实施采用漏水集成和火(LIF)在Nengo上尖刺神经元模型。我们的目标是了解基于SNN的SDMS与传统SDMS相比如何进行。为此,我们在Nengo模拟了基于常规和基于SNN的SDM和CMM。我们观察到基于SNN的模型类似于传统的模型。为了评估不同SNN的性能,我们使用Adaptive-Lif,Spiking整流线性单元和Izhikevich模型重复实验并获得了类似的结果。我们得出结论,使用内存的神经元制定一些类型的关联存储器,其内存容量和其他功能类似于没有SNN的性能,确实可行。最后,我们已经实现了一个应用程序,其中使用N-M个代码编码的Mnist图像与其标签相关联并存储在基于SNN的SDM中。
translated by 谷歌翻译