В неврологии и информатике, синаптические веса относятся к силе или амплитуде соединения между двумя узлами, соответствующим по биологии количеству влияет на стрельбах из одного нейрона имеют на другом. Этот термин обычно используется в исследованиях искусственных и биологических нейронных сетей.
В вычислительной нейронной сети вектор или набор входов и выходов, или пре- и постсинаптические нейроны, соответственно, связаны с синаптическими весами, представленными матрицей, где для линейного нейрона
где строки синаптической матрицы представляют собой вектор синаптических весов для выходных данных, индексированных.
Синаптический вес изменяется с помощью правила обучения, самым основным из которых является правило Хебба, которое обычно выражается в биологических терминах как
Нейроны, которые срабатывают вместе, соединяются вместе.
С вычислительной точки зрения это означает, что если большой сигнал от одного из входных нейронов приводит к сильному сигналу от одного из выходных нейронов, то синаптический вес между этими двумя нейронами будет увеличиваться. Однако это правило нестабильно и обычно модифицируется с использованием таких вариаций, как правило Оджи, радиальные базисные функции или алгоритм обратного распространения ошибки.
Для биологических сетей влияние синаптических весов не так просто, как для линейных нейронов или обучения Хебба. Однако биофизические модели, такие как теория BCM, добились определенного успеха в математическом описании этих сетей.
В центральной нервной системе млекопитающих передача сигналов осуществляется через взаимосвязанные сети нервных клеток или нейронов. Для основного пирамидного нейрона входной сигнал переносится аксоном, который высвобождает химические вещества-нейротрансмиттеры в синапс, который улавливается дендритами следующего нейрона, который затем может генерировать потенциал действия, аналогичный выходному сигналу в вычислительный случай.
Синаптический вес в этом процессе определяется несколькими переменными факторами:
Происходящие изменения синаптической массы известны как синаптическая пластичность, и процесс, лежащий в основе долгосрочных изменений ( долгосрочная потенциация и депрессия ), все еще плохо изучен. Первоначальное правило обучения Хебба первоначально применялось к биологическим системам, но ему пришлось претерпеть множество изменений, поскольку обнаружился ряд теоретических и экспериментальных проблем.