論文の概要: Spiking Cochlea with System-level Local Automatic Gain Control

• arxiv url: http://arxiv.org/abs/2202.06707v1
• Date: Mon, 14 Feb 2022 13:58:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-15 15:55:20.682463
• Title: Spiking Cochlea with System-level Local Automatic Gain Control
• Title（参考訳）: システムレベルの局所ゲイン制御によるスパイキングコチレ
• Authors: Ilya Kiselev, Chang Gao, Shih-Chii Liu
• Abstract要約: 本稿では,シリコンスパイクコクランにチャネル特異的自動ゲイン制御(AGC)を実装したシステムレベルアルゴリズムを提案する。 AGCメカニズムは演算のカウントと追加のみを必要とするため、将来の設計ではハードウェアコストの低い実装が可能である。 入力信号が32dB以上の入力範囲で変化する分類タスクに対する局所的なAGCアルゴリズムの影響を評価する。
• 参考スコア（独自算出の注目度）: 13.532394494130468
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Including local automatic gain control (AGC) circuitry into a silicon cochlea design has been challenging because of transistor mismatch and model complexity. To address this, we present an alternative system-level algorithm that implements channel-specific AGC in a silicon spiking cochlea by measuring the output spike activity of individual channels. The bandpass filter gain of a channel is adapted dynamically to the input amplitude so that the average output spike rate stays within a defined range. Because this AGC mechanism only needs counting and adding operations, it can be implemented at low hardware cost in a future design. We evaluate the impact of the local AGC algorithm on a classification task where the input signal varies over 32 dB input range. Two classifier types receiving cochlea spike features were tested on a speech versus noise classification task. The logistic regression classifier achieves an average of 6% improvement and 40.8% relative improvement in accuracy when the AGC is enabled. The deep neural network classifier shows a similar improvement for the AGC case and achieves a higher mean accuracy of 96% compared to the best accuracy of 91% from the logistic regression classifier.
• Abstract（参考訳）: トランジスタミスマッチとモデル複雑さのため、局所的自動ゲイン制御(AGC)回路をシリコンコクラン設計に含めることは困難である。 そこで本研究では,各チャネルの出力スパイク活性を測定し,シリコンスパイクコクランにチャネル固有のAGCを実装したシステムレベルアルゴリズムを提案する。 チャネルの帯域通過フィルタゲインを入力振幅に動的に適応させ、平均出力スパイクレートが所定の範囲内に留まるようにする。 AGCメカニズムは演算のカウントと追加のみを必要とするため、将来の設計ではハードウェアコストの低い実装が可能である。 入力信号が32dB以上の入力範囲で変化する分類タスクに対する局所的なAGCアルゴリズムの影響を評価する。 音声と雑音の分類タスクにおいて,コチェリースパイクの特徴を呈する2種類の分類器を試験した。 ロジスティック回帰分類器は、agcを有効にすると平均6%改善され、40.8%の精度が向上する。 ディープニューラルネットワーク分類器は、AGCの場合と同様の改善を示し、ロジスティック回帰分類器の91%よりも96%高い平均精度を達成する。

関連論文リスト

• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Feature-Based Generalized Gaussian Distribution Method for NLoS Detection in Ultra-Wideband (UWB) Indoor Positioning System [3.5522191686718725]
  非Line-of-Sight(NLoS)伝搬条件は、UWB(Ultra-Wideband)屋内位置決めシステム(IPS)における位置決めの精度に影響を与える重要な要因である データベースが少数のNLoS信号と多数のLine-of-Sight信号を含む場合、既存の機械学習アプローチでは高い分類精度を維持することは困難である。 特徴量に基づくガウス分布(GD)と一般化ガウス分布(GGD)NLoS検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T11:51:12Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• PSST! Prosodic Speech Segmentation with Transformers [1.3535770763481905]
  事前訓練されたSTTモデルであるWhisperは、低周波トークンを再取得することで、単位境界に注釈を付ける。 提案手法は95.8%の精度を達成し,大規模ラベル付きデータを必要とせず,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-03T20:09:17Z)
• Classification and Self-Supervised Regression of Arrhythmic ECG Signals Using Convolutional Neural Networks [13.025714736073489]
  回帰および分類タスクを解くことができるディープニューラルネットワークモデルを提案する。 我々はこのモデルをMIT-BIH Arrhythmiaデータベース上で検証した。
  論文  参考訳（メタデータ） (2022-10-25T18:11:13Z)
• Deep Multi-Scale Representation Learning with Attention for Automatic Modulation Classification [11.32380278232938]
  畳み込み深部畳み込みニューラルネットワークをベースとしたAMCにおいて,カーネルサイズを大きくすることで,経験的な改善が得られた。 本稿では,大規模なカーネルサイズとSE機構(SE-MSFN)を備えたマルチスケール機能ネットワークを提案する。 SE-MSFNは、よく知られたRADIOML 2018.01Aデータセットで最先端の分類性能を達成する。
  論文  参考訳（メタデータ） (2022-08-31T07:26:09Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Domain Generalization on Efficient Acoustic Scene Classification using Residual Normalization [10.992151305603267]
  効率的な設計による単一音響シーン分類システムによるマルチデバイス音声入力の処理方法に関する実践的な研究課題である。 本稿では,周波数ワイド正規化 % のインスタンス正規化をショートカットパスで利用し,不要なデバイス固有情報を破棄する特徴正規化手法であるResidual Normalizationを提案する。 提案システムは,TAU Urban Acoustic Scenes 2020 Mobileにおける平均テスト精度76.3%,315kパラメータによる開発データセット,圧縮後の75.3%,非ゼロパラメータの61.0KBまでの平均テスト精度を達成している。
  論文  参考訳（メタデータ） (2021-11-12T01:57:36Z)
• CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
  本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
  論文  参考訳（メタデータ） (2021-10-21T06:26:31Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)

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。