我最近一直在研究神经网络。它们很棒，但有点晦涩难懂，至少可以说很难接近。我对大量使用集成和火神经元模型的液态机特别感兴趣。但这完全让我无法理解。这里有一些问题:
泄漏积分和激发神经元的完美神经元配置是什么:https://en.wikipedia.org/wiki/Biological_neuron_model#Leaky_integrate-and-fire ？ IE。如果泄漏整合和激发神经元是人造的并且不受生物约束的限制。
它会适合典型的人工神经元结构还是会保留其泄漏性？
用简单的英语来说，泄漏集成和火神经元是如何工作的？它如何适应液态机器(如果你碰巧知道有点晦涩，我知道)。
如果您知道这些问题的答案，请随时回复!
谢谢!
最佳答案
你的问题似乎很笼统(因此我认为投了反对票)，但我会尝试向你解释什么是“Leaky Integrate-and-Fire”(LIF)神经元。您必须自己关联液态状态机的内容，因为我不是这方面的专家。
LIF 模型的设计如下，用于解释电流如何随电压变化(反之亦然)。这是对真实神经元中发生的事情的过度简化，这意味着我们创建了一个模型，它基本上是一个 RC-circuit ，描述通过神经元发生的电化学相互作用。
LIF 神经元的作用是告诉您，如果您将电流 (I) 输入到神经元中，它将变成电容电流 (Cm*dVm/dt) 和电阻电流 (Vm/Rm)。
我们说“整合”，因为神经元将来自先前神经元的所有传入输入整合在一起。我们使用“泄漏”一词，因为该模型考虑到了这样一个事实:leaks some of the integrating input over time (因为在自然界中，您通常会通过逐渐/指数变化达到最终状态)。
关于machine-learning - 泄漏积分和火神经元模型，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31306957/