All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

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