論文の概要: Effective AER Object Classification Using Segmented
Probability-Maximization Learning in Spiking Neural Networks
- arxiv url: http://arxiv.org/abs/2002.06199v1
- Date: Fri, 14 Feb 2020 04:10:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 04:23:29.660789
- Title: Effective AER Object Classification Using Segmented
Probability-Maximization Learning in Spiking Neural Networks
- Title（参考訳）: 分割確率最大化学習を用いたスパイキングニューラルネットワークの効果的なAERオブジェクト分類
- Authors: Qianhui Liu, Haibo Ruan, Dong Xing, Huajin Tang, Gang Pan
- Abstract要約: アドレスイベント表現(AER)カメラは、高時間分解能と低消費電力の利点により注目されている。
本稿では,新しいセグメント化確率最大化(SPA)学習アルゴリズムを用いたAERオブジェクト分類モデルを提案する。
- 参考スコア（独自算出の注目度）: 23.44400682585093
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Address event representation (AER) cameras have recently attracted more
attention due to the advantages of high temporal resolution and low power
consumption, compared with traditional frame-based cameras. Since AER cameras
record the visual input as asynchronous discrete events, they are inherently
suitable to coordinate with the spiking neural network (SNN), which is
biologically plausible and energy-efficient on neuromorphic hardware. However,
using SNN to perform the AER object classification is still challenging, due to
the lack of effective learning algorithms for this new representation. To
tackle this issue, we propose an AER object classification model using a novel
segmented probability-maximization (SPA) learning algorithm. Technically, 1)
the SPA learning algorithm iteratively maximizes the probability of the classes
that samples belong to, in order to improve the reliability of neuron responses
and effectiveness of learning; 2) a peak detection (PD) mechanism is introduced
in SPA to locate informative time points segment by segment, based on which
information within the whole event stream can be fully utilized by the
learning. Extensive experimental results show that, compared to
state-of-the-art methods, not only our model is more effective, but also it
requires less information to reach a certain level of accuracy.
- Abstract（参考訳）: アドレスイベント表現(AER)カメラは,従来のフレームベースカメラに比べて高時間分解能と低消費電力の利点から近年注目されている。
AERカメラは、視覚入力を非同期な離散イベントとして記録するので、生物学的に信頼性が高く、ニューロモルフィックハードウェア上でエネルギー効率が高いスパイキングニューラルネットワーク(SNN)と協調するのに本質的に適している。
しかし、この新しい表現に効果的な学習アルゴリズムがないため、SNNを使ってAERオブジェクトの分類を行うのはまだ難しい。
そこで本研究では,spa(segmented probability-maximization)学習アルゴリズムを用いたaerオブジェクト分類モデルを提案する。
技術的には
1)SPA学習アルゴリズムは,ニューロン応答の信頼性と学習の有効性を向上させるため,サンプルが属するクラスの確率を反復的に最大化する。
2)SPAにピーク検出(PD)機構を導入して,学習によってイベントストリーム全体の情報を完全に活用できるかに基づいて,情報ポイントセグメントをセグメント毎に検出する。
実験結果から, 最先端手法と比較して, 我々のモデルの方が有効であるだけでなく, 一定の精度に達するために必要な情報も少ないことがわかった。
関連論文リスト
- Hyperspectral Image Classification Based on Faster Residual Multi-branch Spiking Neural Network [6.166929138912052]
本稿では,HSI分類タスクのための漏洩統合火災ニューロンモデルに基づくスパイキングニューラルネットワーク(SNN)を構築する。
SNN-SWMRでは、タイムステップの約84%、トレーニング時間、テストタイムの約63%と70%を同じ精度で削減する必要がある。
論文 参考訳（メタデータ） (2024-09-18T00:51:01Z) - EventF2S: Asynchronous and Sparse Spiking AER Framework using
Neuromorphic-Friendly Algorithm [2.469315273321826]
スパイキングニューラルネットワーク(SNN)は、AERデータ処理に固有の選択肢となっている。
我々は,脳にインスパイアされたAER-SNNオブジェクト認識ソリューションを導入し,ファースト・トゥ・スパイク認識ネットワークに統合されたデータエンコーダを含む。
論文 参考訳（メタデータ） (2024-01-28T19:42:05Z) - Sparse Multitask Learning for Efficient Neural Representation of Motor
Imagery and Execution [30.186917337606477]
運動画像(MI)と運動実行(ME)タスクのためのスパースマルチタスク学習フレームワークを提案する。
MI-ME分類のためのデュアルタスクCNNモデルが与えられた場合、過渡的な接続に対して、サリエンシに基づくスペーシフィケーションアプローチを適用する。
以上の結果から, この調整された疎水性は, 過度に適合する問題を緩和し, 少ないデータ量でテスト性能を向上させることが示唆された。
論文 参考訳（メタデータ） (2023-12-10T09:06:16Z) - Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement
Learning [53.00683059396803]
マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。
本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。
本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
論文 参考訳（メタデータ） (2023-10-06T10:40:46Z) - Deep Multi-Threshold Spiking-UNet for Image Processing [51.88730892920031]
本稿では,SNN(Spike Neural Networks)とU-Netアーキテクチャを組み合わせた,画像処理のためのスパイキング-UNetの概念を紹介する。
効率的なスパイキング-UNetを実現するためには,スパイクによる高忠実度情報伝播の確保と,効果的なトレーニング戦略の策定という2つの課題に直面する。
実験の結果,画像のセグメンテーションとデノイングにおいて,スパイキングUNetは非スパイキングと同等の性能を発揮することがわかった。
論文 参考訳（メタデータ） (2023-07-20T16:00:19Z) - Inducing Gaussian Process Networks [80.40892394020797]
本稿では,特徴空間と誘導点を同時に学習するシンプルなフレームワークであるGaussian Process Network (IGN)を提案する。
特に誘導点は特徴空間で直接学習され、複雑な構造化領域のシームレスな表現を可能にする。
実世界のデータセットに対する実験結果から,IGNは最先端の手法よりも大幅に進歩していることを示す。
論文 参考訳（メタデータ） (2022-04-21T05:27:09Z) - A SPA-based Manifold Learning Framework for Motor Imagery EEG Data
Classification [2.4727719996518487]
本稿では,運動画像(MI)タスクから2種類の脳波データを分類するための多様体学習フレームワークを提案する。
特徴抽出のために、前処理された脳波信号から共通空間パターン(CSP)によって実装される。
分類のための特徴の近傍では、データの支持に対する局所近似が得られ、次に最も近い支持を持つクラスに特徴が割り当てられる。
論文 参考訳（メタデータ） (2021-07-30T06:18:05Z) - Mitigating Performance Saturation in Neural Marked Point Processes:
Architectures and Loss Functions [50.674773358075015]
本稿では,グラフ畳み込み層のみを利用するGCHPという単純なグラフベースのネットワーク構造を提案する。
我々は,GCHPがトレーニング時間を大幅に短縮し,時間間確率仮定による確率比損失がモデル性能を大幅に改善できることを示した。
論文 参考訳（メタデータ） (2021-07-07T16:59:14Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳（メタデータ） (2021-06-17T17:26:31Z) - A Study On the Effects of Pre-processing On Spatio-temporal Action
Recognition Using Spiking Neural Networks Trained with STDP [0.0]
ビデオ分類タスクにおいて,教師なし学習手法で訓練したSNNの行動を研究することが重要である。
本稿では,時間情報を静的な形式に変換し,遅延符号化を用いて視覚情報をスパイクに変換する手法を提案する。
スパイクニューラルネットワークを用いた行動認識における行動の形状と速度の類似性の効果を示す。
論文 参考訳（メタデータ） (2021-05-31T07:07:48Z) - Rectified Linear Postsynaptic Potential Function for Backpropagation in
Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。
本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文 参考訳（メタデータ） (2020-03-26T11:13:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。