O nenaučitelnosti jednoho spiking neuronu
Popis výsledku
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.
Klíčová slova
spiking neuronconsistency problemNP-completnessPAC modelrobust learningrepresentation problem
Identifikátory výsledku
Kód výsledku v IS VaVaI
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On the Non-Learnability of a Single Spiking Neuron
Popis výsledku v původním jazyce
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.
Název v anglickém jazyce
On the Non-Learnability of a Single Spiking Neuron
Popis výsledku anglicky
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.
Klasifikace
Druh
Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2005
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Computation
ISSN
0899-7667
e-ISSN
—
Svazek periodika
17
Číslo periodika v rámci svazku
-
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
13
Strana od-do
2635-2647
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—
Základní informace
Druh výsledku
Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP
BA - Obecná matematika
Rok uplatnění
2005