正文
CHANI: 基于相关性的生物启发神经元聚合网络
本研究旨在从数学上证明，一个受生物学启发的神经网络可以仅通过局部变换来学习分类任务。为此，提出了一种名为CHANI（基于相关性的生物启发神经元聚合网络）的脉冲神经网络，其神经元活动由霍克斯过程建模。突触权重通过一种专家聚合算法进行更新，该算法提供了一种局部且简单的学习规则。研究证明了该网络能够在平均意义上进行渐近学习。此外，还展示了该网络能够自动产生神经元集群，这意味着网络可以对多个类别进行编码，并且中间层中的同一个神经元可能被多个类别激活，并在合成数据集上提供了数值模拟。这种理论方法与传统的生物启发网络实证验证形成对比，为理解局部学习规则如何使神经元形成能够表征复杂概念的集群铺平了道路。FINISHED
