"Networks of spiking neurons: The third generation of neural network models"는 1998년에 발표된 논문으로, 신경세포의 발화(spiking)에 기반한 신경망 모델을 제안하고자 한다는 목적을 가지고 있습니다.
논문에서는 기존의 뉴런(neuron) 모델인 McCulloch-Pitts 모델과 Rosenblatt의 퍼셉트론 모델에서는 뉴런이 연속적인 값(continuous value)을 처리하는 것에 비해, 뇌에서는 뉴런이 디지털적인 발화(spike)를 통해 정보를 처리하는 것을 지적합니다. 이러한 신경세포의 발화 특성을 모델링하기 위해, 논문에서는 스파이크 신호(spiking signal)를 이용한 뉴런 모델인 spiking neuron model을 제안합니다.
이를 바탕으로, 논문은 spiking neuron model을 기반으로 한 신경망 모델인 spiking neural network(SNN)를 제안하며, 이를 이용하여 다양한 신경망 모델링 문제를 해결할 수 있다는 것을 보여줍니다. SNN은 디지털적인 입력값에 대해 시간적인 흐름(time-based)을 고려하며, 발화 횟수를 통해 정보를 처리하는 방식으로, 뇌의 정보 처리 방식을 모방하는 모델로 평가받고 있습니다.
또한, 논문에서는 SNN의 학습 알고리즘을 제안하며, 이를 통해 SNN을 이용하여 다양한 인지 작업을 수행할 수 있다는 것을 보여줍니다. 이러한 학습 알고리즘은 기존의 연속적인 값을 처리하는 모델에서 사용되는 backpropagation 알고리즘을 변형하여 사용하는 방식으로 제안되었습니다.
이 논문은 신경망 연구 분야에서 SNN이 활용되는 계기가 되었으며, 현재는 다양한 연구에서 SNN을 이용한 모델링과 학습 알고리즘 개발이 이루어지고 있습니다.