論文の概要: Design and Mathematical Modelling of Inter Spike Interval of Temporal
Neuromorphic Encoder for Image Recognition
- arxiv url: http://arxiv.org/abs/2205.09519v1
- Date: Thu, 19 May 2022 12:36:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-27 08:48:28.403967
- Title: Design and Mathematical Modelling of Inter Spike Interval of Temporal
Neuromorphic Encoder for Image Recognition
- Title(参考訳): 画像認識のための時相ニューロモルフィックエンコーダのインタースパイク間隔の設計と数学的モデル化
- Authors: Aadhitiya VS, Jani Babu Shaik, Sonal Singhal, Siona Menezes Picardo,
Nilesh Goel
- Abstract要約: 神経形コンピューティングシステムは、生体神経系の電気生理学的挙動をエミュレートする。
ニューロモルフィックコンピューティングシステムで使用されるニューラルネットワークアーキテクチャは、生物学的神経系に類似したニューラルネットワーク(SNN)をスパイクしている。
画像処理のための低消費電力ニューロモルフィックエンコーダを実現する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neuromorphic computing systems emulate the electrophysiological behavior of
the biological nervous system using mixed-mode analog or digital VLSI circuits.
These systems show superior accuracy and power efficiency in carrying out
cognitive tasks. The neural network architecture used in neuromorphic computing
systems is spiking neural networks (SNNs) analogous to the biological nervous
system. SNN operates on spike trains as a function of time. A neuromorphic
encoder converts sensory data into spike trains. In this paper, a low-power
neuromorphic encoder for image processing is implemented. A mathematical model
between pixels of an image and the inter-spike intervals is also formulated.
Wherein an exponential relationship between pixels and inter-spike intervals is
obtained. Finally, the mathematical equation is validated with circuit
simulation.
- Abstract(参考訳): ニューロモルフィックコンピューティングシステムは、混合モードアナログまたはデジタルVLSI回路を用いて生体神経系の電気生理学的挙動をエミュレートする。
これらのシステムは、認知タスクの実行において優れた精度と電力効率を示す。
ニューロモルフィックコンピューティングシステムで使用されるニューラルネットワークアーキテクチャは、生物学的神経系に類似したニューラルネットワーク(SNN)をスパイクしている。
SNNは時としてスパイク列車を運行している。
ニューロモルフィックエンコーダは、感覚データをスパイクトレインに変換する。
本稿では,画像処理のための低消費電力ニューロモルフィックエンコーダを提案する。
また、画像の画素とスパイク間隔の間の数学的モデルも定式化する。
一方、画素とスパイク間隔間の指数的関係が得られる。
最後に、数式は回路シミュレーションによって検証される。
関連論文リスト
- Temporal Spiking Neural Networks with Synaptic Delay for Graph Reasoning [91.29876772547348]
スパイキングニューラルネットワーク(SNN)は、生物学的にインスパイアされたニューラルネットワークモデルとして研究されている。
本稿では,SNNがシナプス遅延と時間符号化とを併用すると,グラフ推論の実行(知識)に長けていることを明らかにする。
論文 参考訳(メタデータ) (2024-05-27T05:53:30Z) - Random-coupled Neural Network [17.53731608985241]
パルス結合ニューラルネットワーク(PCNN)は、コンピュータビジョンとニューラルネットワークの分野における人間の脳の特徴を模倣するためのよく応用されたモデルである。
本研究では,ランダム結合ニューラルネットワーク(RCNN)を提案する。
ランダム不活性化プロセスを通じて、PCNNのニューロモルフィックコンピューティングの困難を克服する。
論文 参考訳(メタデータ) (2024-03-26T09:13:06Z) - An exact mathematical description of computation with transient
spatiotemporal dynamics in a complex-valued neural network [33.7054351451505]
線形時間遅延相互作用を持つ複素数値ニューラルネットワーク(-NN)について検討する。
cv-NNは、部分的に同期したキメラ適応状態を含む洗練されたダイナミクスを表示する。
我々は,生体ニューロンによってcv-NN計算の計算が可能であることが実証された。
論文 参考訳(メタデータ) (2023-11-28T02:23:30Z) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳(メタデータ) (2023-06-14T13:34:13Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳(メタデータ) (2022-12-08T15:16:04Z) - The BrainScaleS-2 accelerated neuromorphic system with hybrid plasticity [0.0]
本稿では,BrainScaleSニューロモルフィックアーキテクチャの第2世代について述べる。
バイオインスパイアされたスパイクニューラルネットワークプリミティブの、加速された物理的エミュレーションをサポートするカスタムアクセラレータコアと、密結合されたデジタルプロセッサと、イベントルーティングネットワークを組み合わせたものだ。
論文 参考訳(メタデータ) (2022-01-26T17:13:46Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳(メタデータ) (2022-01-19T09:26:34Z) - 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) - Neuromorphic Algorithm-hardware Codesign for Temporal Pattern Learning [11.781094547718595]
複雑な空間時間パターンを学習するためにSNNを訓練できるLeaky IntegrateとFireニューロンの効率的なトレーニングアルゴリズムを導出する。
我々は,ニューロンとシナプスのメムリスタに基づくネットワークのためのCMOS回路実装を開発した。
論文 参考訳(メタデータ) (2021-04-21T18:23:31Z) - The Butterfly Effect in Primary Visual Cortex [5.954654488330137]
連続結合ニューラルネットワーク(CCNN)と呼ばれる新しいニューラルネットワークを提案する。
数値計算の結果, CCNNモデルは直流刺激下での周期的挙動を示し, 交流刺激下でのカオス的挙動を示すことがわかった。
画像分割実験の結果、CCNNモデルは視覚野ニューラルネットの最先端モデルよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-04-15T06:04:31Z) - Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。
コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
論文 参考訳(メタデータ) (2020-02-02T21:09:39Z)
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。