AI用語集
人工知能の完全辞典
SpikeProp
スパイキングニューラルネットワークに適用された教師あり学習アルゴリズムで、実際のスパイクと目標スパイクの時間差に基づいてシナプス重みを修正します。これは、ニューロンの発火時刻に関して勾配が計算される勾配降下法の適応版です。
SNN向けの時間逆伝播法（BPTT）
古典的なBPTTアルゴリズムの拡張版で、スパイキングニューラルネットワーク（SNN）に適用されます。時間情報が離散的または連続的な時間ステップを通じて伝播され、スパイクの時間的依存関係を考慮することで時系列データの学習を可能にします。
教師ありSTDP
スパイクタイミング依存可塑性（STDP）の変種で、教師信号が局所的なヘッブ学習則を変調します。このアプローチは、STDP本来の教師なし学習と、出力ラベルによる修正を組み合わせたものです。
R-STDP
報酬変調型スパイクタイミング依存可塑性（Reward-modulated Spike-Timing Dependent Plasticity）は、グローバルな報酬信号がスパイク時刻に基づく局所的な可塑性を変調する3因子学習則です。この手法は、生物学的に妥当なシナプス可塑性メカニズムを用いて、スパイキングネットワークにおける強化学習を可能にします。
テンポトロン（Tempotron）
観察期間中に達成された最大膜電位に基づいて時系列パターンの分類を行う教師あり学習アルゴリズムです。ニューロンが分類エラーを犯した場合にのみ、電位差に基づく勾配ルールを用いてシナプス重みを調整します。
FORCE学習
First-Order Reduced and Controlled Error learningは、逆ゲイン行列を用いて重み変更の振幅を制御する教師あり学習手法です。この技術により、複雑な時系列パターンを生成するためのリカレントスパイキングネットワークにおいて、迅速かつ安定した学習が可能になります。
教師ありリザーバーコンピューティング
学習されていないスパイキングニューロンの固定されたリザーバー（貯水池）が入力を動的に高次元空間に変換し、その後、出力重みのみに対して教師あり学習を行うアプローチです。この手法は、スパイキングネットワークの時系列的な豊かさと、線形学習の単純さを組み合わせています。
学習ウィンドウ
スパイキングネットワークにおいて、勾配の計算や可塑性ルールのためにスパイクが考慮される時間間隔を定義する時間ウィンドウです。このウィンドウのサイズと形状は、時間的依存関係の学習能力に直接的な影響を与えます。
Spike-based Backpropagation
連続的な活性化ではなく、発火時刻から直接勾配を計算する誤差逆伝播法の変種です。このアプローチは、スパイキングネットワークのイベント駆動型の性質を維持しつつ、勾配ベースの最適化技術の利用を可能にします。
Event-driven Learning
重みの更新がスパイクイベント発生時のみに行われる学習パラダイムであり、計算効率が最適化されます。この手法は、ニューロン通信の疎性を利用して、トレーニングの時間的複雑さを低減します。
Temporal Coding Learning
スパイクの頻度ではなく、相対的なスパイク時刻に情報を符号化および復号化することを学習するアルゴリズム群です。音声処理や時空間パターン認識など、高い時間的精度を必要とするタスクに特に適しています。
Rank-order Learning
ニューロン集団内のスパイクの相対的な順序に基づいてシナプス重みを変更する教師あり学習ルールです。このアプローチは、高速かつ堅牢な分類タスクのために、発火シーケンスに含まれる情報を捉えます。
Remote Supervised Method (ReSuMe)
時間とギャップに依存した可塑性ルールを使用して、ニューロンに所望のスパイク列を生成させる教師あり学習アルゴリズムです。この手法は、複雑な時間パターンの学習やスパイク列の再生に特に効果的です。
Chronotron
Victor-Purpuraカーネルを使用して、生成されたスパイク列とターゲットのスパイク列との間の距離を最小化する教師あり学習アルゴリズムです。スパイク列の類似性を直接最適化することで、時間パターンの正確な学習を可能にします。
Event-driven Contrastive Hebbian Learning
コントラスト学習とヘッブ則の組み合わせであり、覚醒フェーズと睡眠フェーズが特定のスパイクイベントによって実装されるようスパイキングネットワークに適応させたものです。このアプローチは、統一されたイベント駆動型フレームワーク内で、教師なし学習と教師あり学習を可能にします。
E-prop
イベント駆動型誤差逆伝播法（Event-driven backpropagation）は、局所的かつイベント駆動型のフィードバック信号を用いて、時間を通した誤差逆伝播法（BPTT）を近似する学習手法です。このアプローチは、生物学的な効率性と勾配ベースの手法のパフォーマンスの間の妥協点を提供します。
サロゲート勾配学習
スパイクニューロンの発火関数の非微分可能な勾配を近似するために、微分可能な代理関数を使用する手法。この手法により、標準的なバックプロパゲーションアルゴリズムを離散スパイクネットワークに直接適用することが可能になります。
スパイクタイミング依存バックプロパゲーション
スパイクの時間依存性をバックプロパゲーションの勾配計算に直接統合するアルゴリズム。このアプローチは、スパイクネットワークの微細な時間ダイナミクスを捉えながら、勾配による最適化の効率を維持します。