| 摘要 |
<p>本開示のいくつかの態様は、一般的な線形システムのスパイキングニューラル計算のための方法および装置を提供する。例示的な一態様は、スパイク間の相対的タイミングにおいて情報をコーディングするニューロンモデルである。ただし、シナプス荷重は不要である。言い換えれば、結合が、存在するか（有意なシナプス）または存在しない（有意でないまたは存在しないシナプス）ことがある。本開示のいくつかの態様は、バイナリ値入力および出力を使用し、シナプス後フィルタリングを必要としない。ただし、いくつかの態様は、結合遅延（たとえば、樹状遅延）のモデル化を伴い得る。単一のニューロンモデルが、何らかの任意の精度で何らかの一般的な線形変換ｘ＝ＡＸ＋ＢＵを計算するために使用され得る。このニューロンモデルはまた、ターゲット出力遅延（または出力値）を達成するために（たとえば、スケーリング値に対応する）入力遅延を学することなど、学が可能であり得る。学は、因果的入力の論理関係を判断するためにも使用され得る。</p> |
