On the Non-Learnability of a Single Spiking Neuron
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F05%3A00405292" target="_blank" >RIV/67985807:_____/05:00405292 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
On the Non-Learnability of a Single Spiking Neuron
Original language description
The computational complexity of training a single spiking neuron N with adjustable synaptic delays and binary coded inputs and output is studied. A synchronization technique is introduced so that the results concerning the non-learnability of spiking neurons with binary delays are generalized to arbitrary delays. In particular, the consistency problem for N with programmable delays and its approximation version are proven to be NP-complete. It follows that the spiking neurons with arbitrary synaptic delays are not properly PAC-learnable and do not allow robust learning unless RP=NP. In addition, the representation problem for N, i.e., a question whether an n-variable Boolean function given in DNF (or as a disjunction of O(n) threshold gates) can be computed by a spiking neuron, is shown to be coNP-hard.
Czech name
O nenaučitelnosti jednoho spiking neuronu
Czech description
Studujeme výpočetní složitost trénování jednoho spiking neuronu N s binárně kódovanými vstupy a výstupem, který má kromě adaptivních vah a prahu nastavitelná synaptická zpoždění. Zavádíme synchronizační techniku, která výsledky o nenaučitelnosti spikingneuronu s binárními zpožděními zobecňuje pro libovolná reálná zpoždění. Konkrétně je ukázáno, že problém konzistence pro N s programovatelnými vahami, prahem a zpožděními, a jeho aproximační verze jsou NP-úplné. Z toho vyplývá, že spiking neurony s libovolnými synaptickými zpožděními nejsou naučitelné v rámci vlastního PAC modelu a nepřipouští robustní učení, pokud neplatí RP=NP. Navíc ukážeme, že problém reprezentace, tj. otázka, zda booleovskou funkci n proměnných v DNF (nebo vyjádřenou jako disjunkciO(n) prahových hradel) lze počítat pomocí spiking neuronu, je coNP-těžký.
Classification
Type
J<sub>x</sub> - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP classification
BA - General mathematics
OECD FORD branch
—
Result continuities
Project
Result was created during the realization of more than one project. More information in the Projects tab.
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Others
Publication year
2005
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Name of the periodical
Neural Computation
ISSN
0899-7667
e-ISSN
—
Volume of the periodical
17
Issue of the periodical within the volume
-
Country of publishing house
US - UNITED STATES
Number of pages
13
Pages from-to
2635-2647
UT code for WoS article
—
EID of the result in the Scopus database
—