論文の概要: Spike-based computational models of bio-inspired memories in the
hippocampal CA3 region on SpiNNaker
- arxiv url: http://arxiv.org/abs/2205.04782v1
- Date: Tue, 10 May 2022 10:03:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-05-12 21:36:00.051068
- Title: Spike-based computational models of bio-inspired memories in the
hippocampal CA3 region on SpiNNaker
- Title（参考訳）: SpiNNakerの海馬CA3領域におけるバイオインスパイアされた記憶のスパイクに基づく計算モデル
- Authors: Daniel Casanueva-Morato, Alvaro Ayuso-Martinez, Juan P.
Dominguez-Morales, Angel Jimenez-Fernandez and Gabriel Jimenez-Moreno
- Abstract要約: 完全機能海馬バイオインスパイア記憶のスパイクに基づく2つの計算モデルを開発した。
このモデルは、将来のスパイクベースの実装とアプリケーションへの道を開くかもしれない。
- 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: The human brain is the most powerful and efficient machine in existence
today, surpassing in many ways the capabilities of modern computers. Currently,
lines of research in neuromorphic engineering are trying to develop hardware
that mimics the functioning of the brain to acquire these superior
capabilities. One of the areas still under development is the design of
bio-inspired memories, where the hippocampus plays an important role. This
region of the brain acts as a short-term memory with the ability to store
associations of information from different sensory streams in the brain and
recall them later. This is possible thanks to the recurrent collateral network
architecture that constitutes CA3, the main sub-region of the hippocampus. In
this work, we developed two spike-based computational models of fully
functional hippocampal bio-inspired memories for the storage and recall of
complex patterns implemented with spiking neural networks on the SpiNNaker
hardware platform. These models present different levels of biological
abstraction, with the first model having a constant oscillatory activity closer
to the biological model, and the second one having an energy-efficient
regulated activity, which, although it is still bio-inspired, opts for a more
functional approach. Different experiments were performed for each of the
models, in order to test their learning/recalling capabilities. A comprehensive
comparison between the functionality and the biological plausibility of the
presented models was carried out, showing their strengths and weaknesses. The
two models, which are publicly available for researchers, could pave the way
for future spike-based implementations and applications.
- Abstract（参考訳）: 人間の脳は、現在存在する最も強力で効率的な機械であり、現代のコンピュータの能力を大きく上回っている。
現在、ニューロモルフィックエンジニアリングの研究は、これらの優れた能力を得るために脳の機能を模倣するハードウェアの開発を試みている。
現在開発中の領域の1つは、海馬が重要な役割を担っているバイオインスパイアされた記憶の設計である。
脳のこの領域は短期記憶として作用し、脳内の様々な感覚の流れからの情報を記憶し、後で記憶する能力を持つ。
これは、海馬の主要サブリージョンであるCA3を構成する、反復的な側方ネットワークアーキテクチャによって可能となる。
本研究では,SpinNNakerハードウェアプラットフォーム上でのスパイクニューラルネットワークによって実装された複雑なパターンの記憶と記憶のための,完全機能海馬バイオインスパイアメモリのスパイクに基づく2つの計算モデルを開発した。
これらのモデルは生物学的抽象化の異なるレベルを示し、第一のモデルは生物モデルに近い一定の振動活性を持ち、第二のモデルはエネルギー効率の良い調節活性を持ち、生物にインスパイアされているにもかかわらず、より機能的なアプローチを選択する。
学習/リコール能力をテストするために、各モデルに対して異なる実験が行われた。
提案モデルの機能と生物学的妥当性を総合的に比較し,その強度と弱点を示した。
2つのモデルは研究者向けに公開されており、将来のスパイクベースの実装とアプリケーションへの道を開く可能性がある。
関連論文リスト
- Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z) - A Differentiable Approach to Multi-scale Brain Modeling [3.5874544981360987]
本稿では,脳シミュレータBrainPyを用いたマルチスケール微分脳モデリングワークフローを提案する。
単一ニューロンレベルでは、微分可能なニューロンモデルを実装し、電気生理学的データへの適合を最適化するために勾配法を用いる。
ネットワークレベルでは、生物学的に制約されたネットワークモデルを構築するためにコネクトロミックデータを組み込む。
論文 参考訳（メタデータ） (2024-06-28T07:41:31Z) - Orangutan: A Multiscale Brain Emulation-Based Artificial Intelligence Framework for Dynamic Environments [2.8137865669570297]
本稿では,脳に触発された新しいAIフレームワーク,Orangutanを紹介する。
複数のスケールで生体脳の構造と計算機構をシミュレートする。
物体観察時の人眼球運動をシミュレートする感覚運動モデルを開発した。
論文 参考訳（メタデータ） (2024-06-18T01:41:57Z) - Brain-inspired Computational Modeling of Action Recognition with Recurrent Spiking Neural Networks Equipped with Reinforcement Delay Learning [4.9798155883849935]
行動認識は、その複雑な性質と、この分野における脳の異常なパフォーマンスのために大きな注目を集めている。
現在の行動認識のソリューションは、問題を効果的に解決する際の限界を示すか、必要な生物学的妥当性を欠くかのどちらかである。
本稿では,脳に触発された行動認識モデルを提案する。
論文 参考訳（メタデータ） (2024-06-17T17:34:16Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - Bio-inspired computational memory model of the Hippocampus: an approach
to a neuromorphic spike-based Content-Addressable Memory [0.0]
本稿では,海馬CA3領域をベースとしたバイオインスパイアされたスパイキングコンテンツ適応型メモリモデルを提案する。
機能, ストレス, 適用性テストに基づく一連の実験を行い, 正しい機能を示すことができた。
本研究は,完全機能型バイオインスパイアされた海馬内容適応型メモリモデルの最初のハードウェア実装を示す。
論文 参考訳（メタデータ） (2023-10-09T17:05:23Z) - Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex
models for robot navigation and environment pseudo-mapping [52.77024349608834]
本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。
海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。
これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
論文 参考訳（メタデータ） (2023-05-22T10:20:34Z) - A bio-inspired implementation of a sparse-learning spike-based
hippocampus memory model [0.0]
本研究では,海馬に基づくバイオインスパイアされた新しい記憶モデルを提案する。
記憶を覚えたり、キューから思い出したり、同じキューで他の人を学ぼうとする時の記憶を忘れたりできる。
この研究は、完全に機能するバイオインスパイアされたスパイクベースの海馬記憶モデルの最初のハードウェア実装を示す。
論文 参考訳（メタデータ） (2022-06-10T07:48:29Z) - CogNGen: Constructing the Kernel of a Hyperdimensional Predictive
Processing Cognitive Architecture [79.07468367923619]
神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。
我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
論文 参考訳（メタデータ） (2022-03-31T04:44:28Z) - 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)
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。