Спайковые нейросети на Swift, часть II: Синапсы
Всем привет! В первой части мы обсудили концепцию SNN в общих чертах, выбрали модель Ижикевича для нейрона и реализовали её на Swift. Напомню основные тезисы:Спайковые нейронные сети (SNN) стремятся точнее повторять биологические.Как и живые нейроны, искусственные спайковые нейроны взаимодействуют друг с другом короткими импульсами — спайками.Спайковые нейроны способны интегрировать информацию и обучаться, но механика этих процессов отличается от "традиционных" нейросетей. Там, где важно подчеркнуть различие, будем называть их ANN.
Спайковые нейросети на Swift, часть I: Принципы и модель
Общие сведенияИскусственные нейронные сети находятся на волне популярности. Самые современные модели ИИ способны творить чудеса: поддерживать видимость общения на уровне человека, создавать реалистичные изображения, писать музыкальные сочинения.Сейчас никого не удивить заявлениями, что искусственный интеллект превзошёл человеческий. Справедливости ради, способности простого калькулятора тоже давно их превзошли. Например, в скорости умножения чисел — даже двузначных. Опередить человека в определённых аспектах — задача не сложная.
