从零开始的脉冲神经网络达到了8%的准确率。没有反向传播或SGD 我创建了一个遗传超参数优化器，现在平均可以达到8%的准确率，这大约比随机猜测高出3% 源代码链接，附有详细的视频和评论中的Markdown解释 它通常开始时低于5%，然后慢慢改善，最终可能会开始低于5%，所有这些让我相信有学习的迹象。有时它在7-8-9%之间稳定很长时间 没有反向传播或SGD。它通过STDP（脉冲时序依赖性可塑性）和奖励机制进行学习 每个示例被多次呈现（在这种情况下是500次），这会产生脉冲序列，进而生成资格列表，在每个回合结束时，根据答案是否正确，我们使用奖励作为乘数来调整权重 脉冲时序跟踪神经元发放的顺序，以及哪些更可能导致正确答案 告诉我你的想法