論文の概要: Neuromorphic Control
- arxiv url: http://arxiv.org/abs/2011.04441v2
- Date: Tue, 24 Aug 2021 11:53:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 01:18:49.568526
- Title: Neuromorphic Control
- Title（参考訳）: 神経形制御
- Authors: Luka Ribar, Rodolphe Sepulchre
- Abstract要約: 本稿では、異なる時間スケールで作用する正負のフィードバックループと正のフィードバックループからなる興奮性神経系の混合フィードバック組織について紹介する。
提案した設計は、生物学的ニューロンの組織を反映する基本回路要素の並列接続で構成されている。
神経制御のポテンシャルは、混合フィードバック原理のスケーラビリティを示唆する基本的なネットワークの例に示される。
- 参考スコア（独自算出の注目度）: 1.52292571922932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neuromorphic engineering is a rapidly developing field that aims to take
inspiration from the biological organization of neural systems to develop novel
technology for computing, sensing, and actuating. The unique properties of such
systems call for new signal processing and control paradigms. The article
introduces the mixed feedback organization of excitable neuronal systems,
consisting of interlocked positive and negative feedback loops acting in
distinct timescales. The principles of biological neuromodulation suggest a
methodology for designing and controlling mixed-feedback systems
neuromorphically. The proposed design consists of a parallel interconnection of
elementary circuit elements that mirrors the organization of biological neurons
and utilizes the hardware components of neuromorphic electronic circuits. The
interconnection structure endows the neuromorphic systems with a simple control
methodology that reframes the neuronal control as an input-output shaping
problem. The potential of neuronal control is illustrated on elementary network
examples that suggest the scalability of the mixed-feedback principles.
- Abstract（参考訳）: ニューロモルフィックエンジニアリング(Neuromorphic Engineering)は、ニューラルネットワークの生物学的組織からインスピレーションを得て、コンピューティング、センシング、アクティベーションのための新しい技術を開発することを目的とした、急速に発展する分野である。
このようなシステムのユニークな性質は、新しい信号処理と制御パラダイムを要求する。
本稿では、異なる時間スケールで作用する正負のフィードバックループと正のフィードバックループからなる興奮性神経系の混合フィードバック組織について紹介する。
生物学的神経調節の原理は、混合フィードバック系をニューロモルフィズム的に設計し制御するための方法論を示唆している。
提案する設計は、生体ニューロンの組織化を反映し、ニューロモルフィックな電子回路のハードウェアコンポーネントを利用する基本回路要素の並列相互接続からなる。
相互接続構造は、入力出力整形問題として神経制御を再構成する単純な制御手法によって、ニューロモルフィックシステムを提供する。
神経制御のポテンシャルは、混合フィードバック原理のスケーラビリティを示唆する基本的なネットワークの例に示される。
関連論文リスト
- Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - The Neuron as a Direct Data-Driven Controller [43.8450722109081]
本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。
我々は、ニューロンを生物学的に実現可能なコントローラとしてモデル化し、ループダイナミクスを暗黙的に識別し、潜伏状態を推測し、制御を最適化する。
我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
論文 参考訳（メタデータ） (2024-01-03T01:24:10Z) - 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) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Spike-based local synaptic plasticity: A survey of computational models
and neuromorphic circuits [1.8464222520424338]
シナプス可塑性のモデル化における歴史的,ボトムアップ的,トップダウン的なアプローチを概観する。
スパイクベース学習ルールの低レイテンシおよび低消費電力ハードウェア実装をサポートする計算プリミティブを同定する。
論文 参考訳（メタデータ） (2022-09-30T15:35:04Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳（メタデータ） (2022-05-25T20:16:05Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Modeling the Nervous System as An Open Quantum System [4.590533239391236]
本稿では,ニューロン同士の相互作用をシミュレートする多ニューロン相互作用系のニューラルネットワークモデルを提案する。
我々は、デンドライト、軸索、シナプスを含む神経細胞周囲を物理的にモデル化する。
このモデルはランダムニューロンとニューロンの相互作用を発生させることができ、神経系における情報伝達の過程を物理的に記述するのに適している。
論文 参考訳（メタデータ） (2021-03-18T10:17:09Z) - Structural plasticity on an accelerated analog neuromorphic hardware
system [0.46180371154032884]
我々は, プレ・グポストシナプスのパートナーを常に切り替えることにより, 構造的可塑性を達成するための戦略を提案する。
我々はこのアルゴリズムをアナログニューロモルフィックシステムBrainScaleS-2に実装した。
ネットワークトポロジを最適化する能力を示し、簡単な教師付き学習シナリオで実装を評価した。
論文 参考訳（メタデータ） (2019-12-27T10:15:58Z)
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。