論文の概要: The principle of weight divergence facilitation for unsupervised pattern
recognition in spiking neural networks
- arxiv url: http://arxiv.org/abs/2104.09943v1
- Date: Tue, 20 Apr 2021 13:11:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-21 13:48:19.512311
- Title: The principle of weight divergence facilitation for unsupervised pattern
recognition in spiking neural networks
- Title（参考訳）: スパイクニューラルネットワークにおける教師なしパターン認識のための重み分岐促進の原理
- Authors: Oleg Nikitin, Olga Lukyanova, Alex Kunin
- Abstract要約: 本研究では,STDPシナプス可塑性規則を付加し,背景雑音と相関信号の最大差に伴う状態への重み変化を指示する手法を提案する。
可塑性開発に必要な生化学物質の存在と生産によって生物学的シナプスストレート修飾が制限されることが提案されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Parallels between the signal processing tasks and biological neurons lead to
an understanding of the principles of self-organized optimization of input
signal recognition. In the present paper, we discuss such similarities among
biological and technical systems. We propose the addition to the well-known
STDP synaptic plasticity rule to directs the weight modification towards the
state associated with the maximal difference between the background noise and
correlated signals. The principle of physically constrained weight growth is
used as a basis for such control of the modification of the weights. It is
proposed, that biological synaptic straight modification is restricted by the
existence and production of bio-chemical 'substances' needed for plasticity
development. In this paper, the information about the noise-to-signal ratio is
used to control such a substances' production and storage and to drive the
neuron's synaptic pressures towards the state with the best signal-to-noise
ratio. Several experiments with different input signal regimes are considered
to understand the functioning of the proposed approach.
- Abstract（参考訳）: 信号処理タスクと生体ニューロンの並列性は、入力信号認識の自己組織化最適化の原理の理解につながる。
本稿では,生物システムと技術システムの類似性について論じる。
本稿では,背景雑音と相関信号の最大差に付随する状態に重み修正を向ける,よく知られたSTDPシナプス可塑性規則の追加を提案する。
物理的に制約された重量成長の原理は、重量の修正の制御の基礎として用いられる。
可塑性発現に必要な生化学的「物質」の存在と生産によって生物学的シナプス直列修飾が制限されることが示唆された。
本稿では,このような物質の生成と貯蔵を制御し,ニューロンのシナプス圧を最高の信号-雑音比で制御するために,ノイズ-信号比に関する情報を用いる。
異なる入力信号系を用いたいくつかの実験は、提案手法の機能を理解すると考えられる。
関連論文リスト
- Heterogeneous quantization regularizes spiking neural network activity [0.0]
本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。
我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
論文 参考訳（メタデータ） (2024-09-27T02:25:44Z) - Contribute to balance, wire in accordance: Emergence of backpropagation from a simple, bio-plausible neuroplasticity rule [0.0]
我々は,脳にBPを実装するための潜在的なメカニズムを提供する新しい神経可塑性規則を導入する。
我々は,我々の学習規則が階層型ニューラルネットワークのBPを近似なしで正確に再現できることを数学的に証明した。
論文 参考訳（メタデータ） (2024-05-23T03:28:52Z) - A Sampling Theory Perspective on Activations for Implicit Neural
Representations [73.6637608397055]
Inlicit Neural Representations (INR) は、コンパクトで微分可能なエンティティとして信号の符号化で人気を博している。
サンプリング理論の観点からこれらの活性化を包括的に分析する。
本研究により,INRと併用されていないシンクアクティベーションは,信号符号化に理論的に最適であることが判明した。
論文 参考訳（メタデータ） (2024-02-08T05:52:45Z) - Correlative Information Maximization: A Biologically Plausible Approach
to Supervised Deep Neural Networks without Weight Symmetry [43.584567991256925]
本稿では,生体神経ネットワークにおける信号伝達を前方方向と後方方向の両方で記述するための新しい規範的アプローチを提案する。
このフレームワークは、従来のニューラルネットワークとバックプロパゲーションアルゴリズムの生物学的評価可能性に関する多くの懸念に対処する。
提案手法は,前方信号伝搬路と後方信号伝搬路の重み対称性問題に対する自然な解法を提供する。
論文 参考訳（メタデータ） (2023-06-07T22:14:33Z) - 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) - Understanding Weight Similarity of Neural Networks via Chain
Normalization Rule and Hypothesis-Training-Testing [58.401504709365284]
非畳み込みニューラルネットワークの重み類似度を定量化できる重み類似度尺度を提案する。
まず,ニューラルネットワークの重みをチェーン正規化規則により正規化し,重み訓練表現学習を導入する。
ニューラルネットワークの重み類似性に関する仮説を検証するため,従来の仮説検証手法を拡張した。
論文 参考訳（メタデータ） (2022-08-08T19:11:03Z) - Credit Assignment in Neural Networks through Deep Feedback Control [59.14935871979047]
ディープフィードバックコントロール(Deep Feedback Control, DFC)は、フィードバックコントローラを使用して、望ましい出力ターゲットにマッチするディープニューラルネットワークを駆動し、クレジット割り当てに制御信号を使用する新しい学習方法である。
学習規則は空間と時間において完全に局所的であり、幅広い接続パターンに対するガウス・ニュートンの最適化を近似する。
さらに,DFCと皮質錐体ニューロンのマルチコンパートメントモデルと,局所的な電圧依存性のシナプス可塑性規則を関連づける。
論文 参考訳（メタデータ） (2021-06-15T05:30:17Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳（メタデータ） (2020-07-16T09:39:17Z) - Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。
ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
論文 参考訳（メタデータ） (2020-05-25T18:25:54Z) - Overcoming the Weight Transport Problem via Spike-Timing-Dependent
Weight Inference [9.948484577581796]
スパイクタイミングのみを用いることは、スパイクニューラルネットワークモデルにおけるシナプス重み推定において、既存の生物学的に妥当な手法よりも優れていることを示す。
提案手法はより柔軟で、スパイクニューロンモデルに適用可能であり、実装に必要なパラメータの数に保守的であり、最小限の計算オーバーヘッドでオンラインファッションに展開できる。
論文 参考訳（メタデータ） (2020-03-09T09:26:23Z)
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。