論文の概要: Spike-based building blocks for performing logic operations using
Spiking Neural Networks on SpiNNaker
- arxiv url: http://arxiv.org/abs/2205.04430v1
- Date: Mon, 9 May 2022 17:23:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 20:30:55.934520
- Title: Spike-based building blocks for performing logic operations using
Spiking Neural Networks on SpiNNaker
- Title(参考訳): スパイクニューラルネットワークを用いたspinnaker上の論理演算のためのスパイクベースビルディングブロック
- Authors: Alvaro Ayuso-Martinez, Daniel Casanueva-Morato, Juan P.
Dominguez-Morales, Angel Jimenez-Fernandez and Gabriel Jimenez-Moreno
- Abstract要約: この研究は、スパイキングニューラルネットワークに基づくビルディングブロックの新しいツールキットを提供する。
提案された設計とモデルは、SpinNNakerハードウェアプラットフォーム上で提示および実装されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: One of the most interesting and still growing scientific fields is
neuromorphic engineering, which is focused on studying and designing hardware
and software with the purpose of mimicking the basic principles of biological
nervous systems. Currently, there are many research groups developing practical
applications based on neuroscientific knowledge. This work provides researchers
with a novel toolkit of building blocks based on Spiking Neural Networks that
emulate the behavior of different logic gates. These could be very useful in
many spike-based applications, since logic gates are the basis of digital
circuits. The designs and models proposed are presented and implemented on a
SpiNNaker hardware platform. Different experiments were performed in order to
validate the expected behavior, and the obtained results are discussed. The
functionality of traditional logic gates and the proposed blocks is studied,
and the feasibility of the presented approach is discussed.
- Abstract(参考訳): 最も興味深く成長している科学分野の1つは、生体神経システムの基本的な原理を模倣する目的でハードウェアとソフトウェアを研究、設計することに焦点を当てた、ニューロモルフィックエンジニアリングである。
現在、神経科学の知識に基づく実践的な応用を開発する研究グループが多数存在する。
この研究は、異なる論理ゲートの振る舞いを模倣するスパイキングニューラルネットワークに基づくビルディングブロックの新しいツールキットを提供する。
論理ゲートはデジタル回路の基盤であるため、多くのスパイクベースのアプリケーションで非常に有用である。
提案された設計とモデルは、SpinNNakerハードウェアプラットフォーム上で提示および実装されている。
予測行動を検証するために異なる実験を行い, 得られた結果について考察した。
従来の論理ゲートと提案ブロックの機能について検討し,提案手法の有効性について考察した。
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) - Artificial Neural Microcircuits as Building Blocks: Concept and Challenges [1.0061110876649197]
ニューラルネットワーク、特に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(ANM)を用いてどのように組み立てられるか
ノベルティサーチを用いたマイクロサーキットのカタログ作成に向けた初期の成果を示す。
論文 参考訳(メタデータ) (2024-03-24T23:22:02Z) - NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.101188703826686]
ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。
NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
論文 参考訳(メタデータ) (2023-04-10T15:12:09Z) - An Investigation into Neuromorphic ICs using Memristor-CMOS Hybrid
Circuits [0.0]
CMOS-Memristorベースのニューラルネットワークアクセラレータは、ニューラルネットワークを高速化する方法を提供する。
様々なメムリスタプログラミング回路と基本的なニューロモルフィック回路がシミュレーションされている。
プロジェクトの次のフェーズは、ニューラルネットワークの設計に使用できる基本的なビルディングブロックの設計に関するものです。
論文 参考訳(メタデータ) (2022-08-19T18:04:03Z) - Construction of a spike-based memory using neural-like logic gates based
on Spiking Neural Networks on SpiNNaker [0.0]
この研究は、コンピュータアーキテクチャにおいて最も重要なコンポーネントの1つであるメモリのスパイク実装を示す。
実験はSpiNNakerのニューロモルフィックプラットフォーム上で行われ、提示されたブロックの構築に使用されるアプローチを検証することができた。
論文 参考訳(メタデータ) (2022-06-08T15:22:41Z) - 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) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳(メタデータ) (2021-09-22T16:52:51Z) - A multi-agent model for growing spiking neural networks [0.0]
このプロジェクトでは、学習メカニズムとして、スパイキングニューラルネットワークのニューロン間の接続を拡大するためのルールについて検討している。
シミュレーション環境での結果は、与えられたパラメータセットに対して、テストされた関数を再現するトポロジに到達可能であることを示した。
このプロジェクトはまた、モデルパラメーターに最適な値を得るために、遺伝的アルゴリズムのようなテクニックを使用するための扉を開く。
論文 参考訳(メタデータ) (2020-09-21T15:11:29Z) - Neural Logic Reasoning [47.622957656745356]
本稿では,ディープラーニングと論理推論の能力を統合するために,論理統合ニューラルネットワーク(LINN)を提案する。
LINNは、神経モジュールとしてAND、OR、NOTなどの基本的な論理操作を学び、推論のためにネットワークを通して命題論理推論を行う。
実験の結果、LINNはTop-Kレコメンデーションにおいて最先端のレコメンデーションモデルを大幅に上回っていることがわかった。
論文 参考訳(メタデータ) (2020-08-20T14:53:23Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳(メタデータ) (2020-05-04T13:24:00Z) - Exposing Hardware Building Blocks to Machine Learning Frameworks [4.56877715768796]
我々は、そのようなニューロンをユニークな関数として補完するトポロジーを設計する方法に焦点をあてる。
我々は、カスタムの空間性と量子化によるニューラルネットワークのトレーニングを支援するライブラリを開発する。
論文 参考訳(メタデータ) (2020-04-10T14:26:00Z)
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。