Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Towards a learning-theoretic analysis of spike-timing dependent plasticity

Balduzzi, D., & Besserve, M. (2013). Towards a learning-theoretic analysis of spike-timing dependent plasticity. In P. Bartlett, F. Pereira, L. Bottou, C. Burges, & K. Weinberger (Eds.), Advances in Neural Information Processing Systems 25 (pp. 2465-2473). Red Hook, NY, USA: Curran.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-B550-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-0004-C390-C
Genre: Konferenzbeitrag

Urheber

einblenden:
ausblenden:
 Urheber:
Balduzzi, D1, 2, Autor           
Besserve, M1, 2, 3, Autor           
Affiliations:
1Department Physiology of Cognitive Processes, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497798              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              
3Dept. Empirical Inference, Max Planck Institute for Intelligent Systems, Max Planck Society, DE, ou_1497647              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: This paper suggests a learning-theoretic perspective on how synaptic plasticitybenefits global brain functioning. We introduce a model, the selectron, that (i)arises as the fast time constant limit of leaky integrate-and-fire neurons equippedwithspikingtimingdependentplasticity(STDP)and(ii)isamenabletotheoreticalanalysis. We show that the selectron encodes reward estimates into spikes and thatan error bound on spikes is controlled by a spiking margin and the sum of synapticweights. Moreover, the efficacy of spikes (their usefulness to other reward maxi-mizing selectrons) also depends on total synaptic strength. Finally, based on ouranalysis, we propose a regularized version of STDP, and show the regularizationimproves the robustness of neuronal learning when faced with multiple stimuli.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2013-04
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: BalduzziB2012
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Twenty-Sixth Annual Conference on Neural Information Processing Systems (NIPS 2012)
Veranstaltungsort: Lake Tahoe, Nevada, USA
Start-/Enddatum: 2012-12-03 - 2012-12-06

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Advances in Neural Information Processing Systems 25
Genre der Quelle: Konferenzband
 Urheber:
Bartlett, P, Herausgeber
Pereira, FCN, Herausgeber
Bottou, L, Herausgeber
Burges, CJC, Herausgeber
Weinberger, KQ, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Red Hook, NY, USA : Curran
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 2465 - 2473 Identifikator: ISBN: 978-1-62748-003-1