Позвольте мне попытаться ответить на первоначальный вопрос, который был специфичен для работы с шипами нейронных сетей. Я только недавно начал знакомиться с шипованными сетями, но на сегодняшний день лучший комментарий, который я нашел к их производительности, - это монография Элен Паугам-Моиси и Сандера Бохта «Вычисления с шипами нейронных сетей», которая доступна без платного доступа здесь и другие сайты.
Из этого источника выясняется, что в целом они работают хорошо в смысле своих врожденных способностей; Шиповые сети являются универсальными аппроксиматорами и, как некоторые из их родственников среди обычных нейронных сетей, их «вычислительная мощность превосходит машину Тьюринга». (стр. 5, Паугам-Муази и Бохте). На самом деле, для шипящих нейронов типа B Вольфганг Маасс «заключает, что шипящие нейронные сети вычислительно более мощны, чем 1-е и 2-е поколения нейронных сетей», то есть семейство персептронов и класс сетей с непрерывной активацией (с. 21, Паугам-Муази и Бохте). С другой стороны, они подвержены проблеме загрузки, которая может быть NP-Complete при определенных условиях, обсуждаемых в документе.
С точки зрения вычислительной производительности, различные подтипы шипованных сетей сильно различаются по потребностям в ресурсах. На стр. 12, 14-15 Паугам-Муази и Бохте кратко описывают некоторые различия в процессах обработки:
"Модель Ходжкина-Хаксли (HH) реалистична, но слишком сложна
для моделирования SNN. Хотя ODE9 решатели могут быть применены
непосредственно к системе дифференциальных уравнений, было бы
трудно вычислить временные взаимодействия между нейронами в
большая сеть моделей Ходжкина-Хаксли. "
"... Диапазон сложности также может быть выражен через
вычислительные требования для моделирования. Поскольку он определяется четырьмя
дифференциальные уравнения, модель Ходжкина-Хаксли требует около 1200
вычисления с плавающей запятой (FLOPS) за 1 мс моделирования. Упрощено до
два дифференциальных уравнения, модели Морриса-ЛеКара или Фитца-Хью-Нагумо
все еще имеют вычислительную стоимость от одного до нескольких сотен FLOPS. Только
Для модели LIF требуется 5 FLOPS, около 10 FLOPS для вариантов
такие как LIF-с адаптацией и квадратичной или экспоненциальной
Нейроны Интегрируй и Огонь и около 13 Флопс для Ижикевича
модель. "
Как и ожидалось, существует компромисс между вычислительными возможностями и этими вычислительными затратами; LIF может потребовать несколько FLOPS, но позже в статье они подробно описывают, как он не способен достичь точности, которой обладают другие пики. На вычислительные требования также будет сильно влиять способ кодирования шиповых сетей (что я собираюсь сделать сам, но пока еще не имел возможности экспериментировать). На стр. 38-39 Паугам-Муази и Боте настоятельно рекомендуют использовать архитектуру, управляемую событиями, которая может максимально использовать параллелизм. Я также рекомендовал бы проверить их обширную библиографию, которая, я уверен, может привести к десяткам других практических советов по производительности. Я надеюсь, что это помогает.