論文の概要: Recent Advances and New Frontiers in Spiking Neural Networks
- arxiv url: http://arxiv.org/abs/2204.07050v1
- Date: Sat, 12 Mar 2022 04:07:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-17 07:28:25.812167
- Title: Recent Advances and New Frontiers in Spiking Neural Networks
- Title(参考訳): スパイクニューラルネットワークの最近の進歩と新たなフロンティア
- Authors: Duzhen Zhang, Tielin Zhang, Shuncheng Jia, Qingyu Wang, Bo Xu
- Abstract要約: スパイクニューラルネットワーク(SNN)は、脳にインスパイアされたインテリジェンス分野において広く注目を集めている。
我々は、最近の進歩を概観し、4つの主要な研究トピックからSNNの新たなフロンティアについて論じる。
我々の調査は、研究者がSNNをよりよく理解し、この分野を前進させるために新しい研究を刺激する助けになることを期待しています。
- 参考スコア(独自算出の注目度): 5.371345045382104
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, spiking neural networks (SNNs) have received extensive
attention in the field of brain-inspired intelligence due to their rich
spatially-temporal dynamics, various coding schemes, and event-driven
characteristics that naturally fit the neuromorphic hardware. With the
development of SNNs, brain-inspired intelligence, an emerging research field
inspired by brain science achievements and aiming at artificial general
intelligence, is becoming hot. In this paper, we review the recent advances and
discuss the new frontiers in SNNs from four major research topics, including
essential elements (i.e., spiking neuron models, encoding methods, and topology
structures), datasets, optimization algorithms, and software and hardware
frameworks. We hope our survey can help researchers understand SNNs better and
inspire new works to advance this field.
- Abstract(参考訳): 近年、スパイクニューラルネットワーク(SNN)は、空間的時間的ダイナミクスの充実、様々なコーディングスキーム、ニューロモルフィックハードウェアに自然に適合するイベント駆動特性により、脳にインスパイアされたインテリジェンス分野に大きな注目を集めている。
脳にインスパイアされたインテリジェンスであるSNNの開発により、脳科学の成果にインスパイアされ、人工知能を目指す新たな研究分野がホットになりつつある。
本稿では,近年のsnsにおける新たなフロンティアについて,本質的要素(スパイクニューロンモデル,エンコーディング法,トポロジー構造),データセット,最適化アルゴリズム,ソフトウェアおよびハードウェアフレームワークを含む4つの主要な研究トピックから考察する。
我々の調査は、研究者がSNNをよりよく理解し、この分野を前進させるための新しい研究を促すのに役立つことを期待しています。
関連論文リスト
- Research Advances and New Paradigms for Biology-inspired Spiking Neural Networks [8.315801422499861]
スパイキングニューラルネットワーク(SNN)は、計算シミュレーションと人工知能の分野で人気を集めている。
本稿では,SNNの歴史的発展を考察し,これら2つの分野が相互に交わり,急速に融合していることを結論する。
論文 参考訳(メタデータ) (2024-08-26T03:37:48Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳(メタデータ) (2024-07-05T14:11:28Z) - Evolutionary Spiking Neural Networks: A Survey [21.27024959576232]
従来のニューラルネットワーク(ANN)に代わる計算効率の良い代替手段として、スパイキングニューラルネットワーク(SNN)が注目を集めている。
ユニークな情報伝達機構とSNNニューロンモデルの複雑さは、ANN向けに開発された従来の手法をSNNに適用するための課題を提起する。
近年,これらの課題に対処するために進化的計算手法を利用した新しいパラダイムが出現している。
論文 参考訳(メタデータ) (2024-06-18T12:27:55Z) - Direct Training High-Performance Deep Spiking Neural Networks: A Review of Theories and Methods [33.377770671553336]
スパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワーク(ANN)の代替として有望なエネルギー効率を提供する
本稿では,より深いSNNを高い性能で訓練するための理論と手法を要約する新しい視点を提供する。
論文 参考訳(メタデータ) (2024-05-06T09:58:54Z) - SpikingJelly: An open-source machine learning infrastructure platform
for spike-based intelligence [51.6943465041708]
スパイキングニューラルネットワーク(SNN)は、高エネルギー効率のニューロモルフィックチップに脳にインスパイアされたインテリジェンスを実現することを目的としている。
我々は、ニューロモルフィックデータセットの事前処理、深層SNNの構築、パラメータの最適化、およびニューロモルフィックチップへのSNNのデプロイのためのフルスタックツールキットをコントリビュートする。
論文 参考訳(メタデータ) (2023-10-25T13:15:17Z) - A Hybrid Neural Coding Approach for Pattern Recognition with Spiking
Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。
これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。
本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文 参考訳(メタデータ) (2023-05-26T02:52:12Z) - Models Developed for Spiking Neural Networks [0.5801044612920815]
スパイキングニューラルネットワーク(SNN)は長い間存在しており、脳のダイナミクスを理解するために研究されてきた。
本研究では,画像分類タスクにおけるSNNの構造と性能について検討した。
比較は、これらのネットワークがより複雑な問題に対して優れた能力を示すことを示している。
論文 参考訳(メタデータ) (2022-12-08T16:18:53Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文 参考訳(メタデータ) (2022-10-28T04:38:10Z) - Deep Reinforcement Learning Guided Graph Neural Networks for Brain
Network Analysis [61.53545734991802]
本稿では,各脳ネットワークに最適なGNNアーキテクチャを探索する新しい脳ネットワーク表現フレームワークBN-GNNを提案する。
提案するBN-GNNは,脳ネットワーク解析タスクにおける従来のGNNの性能を向上させる。
論文 参考訳(メタデータ) (2022-03-18T07:05:27Z) - Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。
ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。
NASはコンピュータビジョンの幅広い問題に適用されている。
論文 参考訳(メタデータ) (2022-02-15T08:06:50Z) - Spiking Neural Networks -- Part I: Detecting Spatial Patterns [38.518936229794214]
Spiking Neural Networks(SNN)は生物学的にインスパイアされた機械学習モデルで、バイナリとスパーススパイキング信号をイベント駆動のオンラインな方法で処理する動的ニューラルモデルに基づいている。
SNNは、学習と推論のためのエネルギー効率の良いコプロセッサとして出現しているニューロモルフィックコンピューティングプラットフォーム上で実装することができる。
論文 参考訳(メタデータ) (2020-10-27T11:37:22Z)
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。