发表机构
Chuvash State University（楚瓦什国立大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出一种脉冲神经网络，通过整合预测下一状态的SNN并构建脉冲式机制，从当前状态预测外部世界状态序列，并在ATARI乒乓球基准上验证其有效性。
AI 中文摘要
本文提出了一种脉冲神经网络（SNN），旨在从当前世界状态出发预测外部世界状态的序列。该SNN并不构建世界动力学模型，而是整合了一个经过训练以预测下一世界状态的SNN，并提供所有必要的机制来生成预测世界状态的链条。这些机制完全是脉冲式的——它们以脉冲神经元集合的形式实现。本文描述了这一神经元结构，并在经典强化学习基准——ATARI乒乓球游戏上测试了其运行。
英文摘要
This paper presents a spiking neural network (SNN) designed to predict the sequence of the external world states starting from the current world state. This SNN does not create the world dynamics model - instead it incorporates the SNN trained to predict the next world state and provides all mechanisms necessary to make the chain of predicted world states. These mechanisms are entirely spiking - they are implemented as spiking neuron ensembles. The present article describes this neuronal structure and tests its operation on a classic RL benchmark - ATARI ping-pong.
