論文の概要: On the spatiotemporal behavior in biology-mimicking computing systems
- arxiv url: http://arxiv.org/abs/2009.08841v3
- Date: Wed, 23 Sep 2020 14:20:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 02:13:17.952704
- Title: On the spatiotemporal behavior in biology-mimicking computing systems
- Title（参考訳）: 生体模倣コンピューティングシステムにおける時空間挙動について
- Authors: J\'anos V\'egh, \'Ad\'am J. Berki
- Abstract要約: シングルプロセッサからスーパーコンピュータまで、従来のコンピュータシステムのペイロード性能は、その性質の限界に達した。
ビッグデータ(人工知能をベースとする、あるいは支援する)に対処する需要が高まっていることと、私たちの脳の操作をより完全に理解することへの関心の両方が、生物学を模倣するコンピューティングシステムを構築する努力を刺激した。
これらのシステムは異常な数のプロセッサを必要とし、性能制限と非線形スケーリングをもたらす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The payload performance of conventional computing systems, from single
processors to supercomputers, reached its limits the nature enables. Both the
growing demand to cope with "big data" (based on, or assisted by, artificial
intelligence) and the interest in understanding the operation of our brain more
completely, stimulated the efforts to build biology-mimicking computing systems
from inexpensive conventional components and build different ("neuromorphic")
computing systems. On one side, those systems require an unusually large number
of processors, which introduces performance limitations and nonlinear scaling.
On the other side, the neuronal operation drastically differs from the
conventional workloads. The conventional computing (including both its
mathematical background and physical implementation) is based on assuming
instant interaction, while the biological neuronal systems have a
"spatiotemporal" behavior. This difference alone makes imitating biological
behavior in technical implementation hard. Besides, the recent issues in
computing called the attention to that the temporal behavior is a general
feature of computing systems, too. Some of their effects in both biological and
technical systems were already noticed. Nevertheless, handling of those issues
is incomplete/improper. Introducing temporal logic, based on the Minkowski
transform, gives quantitative insight into the operation of both kinds of
computing systems, furthermore provides a natural explanation of decades-old
empirical phenomena. Without considering their temporal behavior correctly,
neither effective implementation nor a true imitation of biological neural
systems are possible.
- Abstract（参考訳）: シングルプロセッサからスーパーコンピュータまで、従来のコンピューティングシステムのペイロード性能は、その性質上可能な限界に達した。
ビッグデータ(あるいは人工知能による支援)に対処する需要が高まり、脳の操作をより完全に理解することへの関心が高まり、より安価な従来のコンポーネントから生物学を模倣するコンピューティングシステムを構築し、異なる(神経形)コンピューティングシステムを構築する努力を刺激した。
一方、これらのシステムは異常な数のプロセッサを必要とし、性能制限と非線形スケーリングをもたらす。
他方では、ニューロンの操作は従来の作業と大きく異なる。
従来の計算(数学的背景と物理的実装の両方を含む)は、瞬間的相互作用を仮定し、生物学的神経系は「時空間的」な振る舞いを持つ。
この違いだけでは、技術的な実装における生物学的行動の模倣は困難である。
さらに、最近のコンピューティングの問題は、時間的挙動がコンピューティングシステムの一般的な特徴であることに注意を向けている。
バイオシステムと技術システムの両方におけるその影響は、すでに発見されている。
しかしながら、これらの問題の処理は不完全/不適切である。
ミンコフスキー変換に基づく時相論理の導入は、両種類の計算システムの動作に関する定量的な洞察を与え、さらに数十年前の経験的現象の自然な説明を提供する。
時間的振る舞いを正しく考慮しなければ、生物学的神経系の効果的な実装や真の模倣は不可能である。
関連論文リスト
- Covariant spatio-temporal receptive fields for neuromorphic computing [1.9365675487641305]
この研究は、スケール理論と計算神経科学の取り組みを組み合わせて、ニューロモルフィックシステムにおける時間的信号を処理するための理論的に確立された方法を特定する。
私たちのコントリビューションは、信号処理やイベントベースのビジョンに即時に関係しており、メモリや制御など、空間や時間とともに他の処理タスクにも拡張することができます。
論文 参考訳（メタデータ） (2024-05-01T04:51:10Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - There's Plenty of Room Right Here: Biological Systems as Evolved,
Overloaded, Multi-scale Machines [0.0]
我々は、カテゴリ間のハードバウンダリを放棄し、オブザーバに依存した実践的な視点を採用することによって、有用な道が先延ばしされることを論じる。
バイオメディカルまたはバイオエンジニアリングの目的のために生体システムを再形成するためには、複数のスケールでそれらの機能の予測と制御が必要である。
我々は,メソスケールイベントの理解を改善するために,進化・設計されたシステムによって実行される計算のためのオブザーバ中心のフレームワークを論じる。
論文 参考訳（メタデータ） (2022-12-20T22:26:40Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳（メタデータ） (2021-09-22T16:52:51Z) - Do we know the operating principles of our computers better than those
of our brain? [0.0]
本稿は, 従来の原理, 構成要素, コンピューティングに対する考え方が, 生体系を模倣する制限をいかに限定するかを論じる。
我々は、生物学的ニューラルネットワークの驚くほど効率的な操作に近づくために、コンピューティングパラダイムにおいてどのような変化が必要なのかを説明する。
論文 参考訳（メタデータ） (2020-05-06T20:41:23Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳（メタデータ） (2020-05-04T13:24:00Z) - Quantum computing using continuous-time evolution [0.0]
デジタルシリコンコンピュータの速度は限界に達している。
量子コンピューティングは、量子システムのコヒーレンスと重ね合わせを利用する。
初期の量子コンピュータは、デジタルシリコンコンピューティングの初期を思い起こさせる小さなものになるだろう。
論文 参考訳（メタデータ） (2020-04-01T20:58:15Z)
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。