論文の概要: A unified software/hardware scalable architecture for brain-inspired
computing based on self-organizing neural models
- arxiv url: http://arxiv.org/abs/2201.02262v1
- Date: Thu, 6 Jan 2022 22:02:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 03:19:07.933914
- Title: A unified software/hardware scalable architecture for brain-inspired
computing based on self-organizing neural models
- Title(参考訳): 自己組織化ニューラルモデルに基づく脳誘発コンピューティングのための統合ソフトウェア/ハードウェアスケーラブルアーキテクチャ
- Authors: Artem R. Muliukov, Laurent Rodriguez, Benoit Miramond, Lyes Khacef,
Joachim Schmidt, Quentin Berthet, Andres Upegui
- Abstract要約: 我々は、Reentrant SOM(ReSOM)モデルにおいて、自己組織化マップ(SOM)とHebbian学習を関連付ける脳誘発ニューラルモデルを開発した。
この研究は、FPGAベースの専用プラットフォーム上でのシミュレーション結果とハードウェア実行の両方を通じて、モデルの分散性とスケーラブル性を実証する。
- 参考スコア(独自算出の注目度): 6.072718806755325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The field of artificial intelligence has significantly advanced over the past
decades, inspired by discoveries from the fields of biology and neuroscience.
The idea of this work is inspired by the process of self-organization of
cortical areas in the human brain from both afferent and lateral/internal
connections. In this work, we develop an original brain-inspired neural model
associating Self-Organizing Maps (SOM) and Hebbian learning in the Reentrant
SOM (ReSOM) model. The framework is applied to multimodal classification
problems. Compared to existing methods based on unsupervised learning with
post-labeling, the model enhances the state-of-the-art results. This work also
demonstrates the distributed and scalable nature of the model through both
simulation results and hardware execution on a dedicated FPGA-based platform
named SCALP (Self-configurable 3D Cellular Adaptive Platform). SCALP boards can
be interconnected in a modular way to support the structure of the neural
model. Such a unified software and hardware approach enables the processing to
be scaled and allows information from several modalities to be merged
dynamically. The deployment on hardware boards provides performance results of
parallel execution on several devices, with the communication between each
board through dedicated serial links. The proposed unified architecture,
composed of the ReSOM model and the SCALP hardware platform, demonstrates a
significant increase in accuracy thanks to multimodal association, and a good
trade-off between latency and power consumption compared to a centralized GPU
implementation.
- Abstract(参考訳): 人工知能の分野は、生物学と神経科学の分野からの発見に触発されて、ここ数十年で大きく進歩してきた。
この研究のアイデアは、求心性および外側/内側の接続から人間の脳の皮質領域を自己組織化するプロセスに触発されている。
本研究では、Reentrant SOM(ReSOM)モデルにおける自己組織化マップ(SOM)とHebbian Learningを関連づけた脳誘発ニューラルモデルを開発する。
この枠組みはマルチモーダル分類問題に適用される。
教師なし学習とポストラベリングに基づく既存の手法と比較して、このモデルは最先端の結果を高める。
この研究は、SCALP(Self-configurable 3D Cellular Adaptive Platform)と呼ばれるFPGAベースの専用プラットフォーム上でのシミュレーション結果とハードウェア実行の両方を通じて、モデルの分散性とスケーラブル性を示す。
SCALPボードは、ニューラルネットワークの構造をサポートするモジュール方式で相互接続することができる。
このようなソフトウェアとハードウェアの統合アプローチにより、処理をスケールし、複数のモダリティからの情報を動的にマージすることができる。
ハードウェアボードへのデプロイは、複数のデバイスでの並列実行のパフォーマンス結果を提供し、各ボード間の通信は専用のシリアルリンクを通じて行われる。
提案した統合アーキテクチャは,ReSOMモデルとSCALPハードウェアプラットフォームで構成され,マルチモーダルアソシエーションによる精度の大幅な向上と,集中型GPU実装と比較してレイテンシと消費電力のトレードオフが良好であることを示す。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳(メタデータ) (2024-02-20T15:23:24Z) - FlexModel: A Framework for Interpretability of Distributed Large
Language Models [0.0]
マルチGPUとマルチノード構成に分散したモデルを扱うための,合理化されたインターフェースを提供するソフトウェアパッケージであるFlexModelを紹介する。
このライブラリは既存のモデル配布ライブラリと互換性があり、PyTorchモデルをカプセル化している。
ユーザ登録可能なHookFunctionを公開して,分散モデル内部との直接的なインタラクションを容易にする。
論文 参考訳(メタデータ) (2023-12-05T21:19:33Z) - Interpretable learning of effective dynamics for multiscale systems [5.754251195342313]
iLED(Interpretable Learning Effective Dynamics)の新たな枠組みを提案する。
iLEDは、最先端のリカレントニューラルネットワークベースのアプローチに匹敵する精度を提供する。
その結果、iLEDフレームワークは正確な予測を生成でき、解釈可能なダイナミクスを得ることができることがわかった。
論文 参考訳(メタデータ) (2023-09-11T20:29:38Z) - Neural Attentive Circuits [93.95502541529115]
我々は、NAC(Neural Attentive Circuits)と呼ばれる汎用的でモジュラーなニューラルアーキテクチャを導入する。
NACは、ドメイン知識を使わずに、ニューラルネットワークモジュールのパラメータ化と疎結合を学習する。
NACは推論時に8倍のスピードアップを達成するが、性能は3%以下である。
論文 参考訳(メタデータ) (2022-10-14T18:00:07Z) - A Scalable Approach to Modeling on Accelerated Neuromorphic Hardware [0.0]
この研究は、物理モデリングに基づくハイブリッドアクセラレーション型ニューロモルフィックハードウェアアーキテクチャであるBrainScaleS-2システムのソフトウェア側面を示す。
本稿では,BrainScaleS-2オペレーティングシステム(実験ワークフロー,API階層化,ソフトウェア設計,プラットフォーム操作)のキーとなる側面を紹介する。
焦点は、マルチコンポーネントニューロン、ハードウェア・イン・ザ・ループトレーニングのための高速な再構成、組み込みプロセッサのアプリケーション、非スパイキング操作モード、インタラクティブなプラットフォームアクセス、持続可能なハードウェア/ソフトウェアの共同開発など、新しいシステムとソフトウェア機能である。
論文 参考訳(メタデータ) (2022-03-21T16:30:18Z) - Real-time Neural-MPC: Deep Learning Model Predictive Control for
Quadrotors and Agile Robotic Platforms [59.03426963238452]
モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。
ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
論文 参考訳(メタデータ) (2022-03-15T09:38:15Z) - Multi-Scale Semantics-Guided Neural Networks for Efficient
Skeleton-Based Human Action Recognition [140.18376685167857]
スケルトンに基づく行動認識には,単純なマルチスケールセマンティクス誘導ニューラルネットワークが提案されている。
MS-SGNは、NTU60、NTU120、SYSUデータセットの最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2021-11-07T03:50:50Z) - Multi-Robot Deep Reinforcement Learning for Mobile Navigation [82.62621210336881]
階層的統合モデル(HInt)を用いた深層強化学習アルゴリズムを提案する。
トレーニング時には、HIntは別々の知覚モデルとダイナミクスモデルを学び、テスト時には、HIntは2つのモデルを階層的な方法で統合し、統合モデルとアクションを計画する。
我々のモバイルナビゲーション実験は、HIntが従来の階層的ポリシーや単一ソースアプローチよりも優れていることを示している。
論文 参考訳(メタデータ) (2021-06-24T19:07:40Z) - Deep Neural-Kernel Machines [4.213427823201119]
本章では,近年のディープ・ニューラル・カーネル・アーキテクチャの進展に関する文献について概説する。
我々は、異なるプーリング層を備えたより深いモデルのためのコアモジュールとして機能するニューラルカーネルアーキテクチャを導入する。
特に,平均,最大,畳み込み層を有する3つのニューラルカーネルマシンについて検討した。
論文 参考訳(メタデータ) (2020-07-13T19:46:29Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳(メタデータ) (2020-07-13T17:44:30Z)
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。