論文の概要: A bio-inspired implementation of a sparse-learning spike-based
hippocampus memory model
- arxiv url: http://arxiv.org/abs/2206.04924v1
- Date: Fri, 10 Jun 2022 07:48:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-13 16:08:31.087295
- Title: A bio-inspired implementation of a sparse-learning spike-based
hippocampus memory model
- Title（参考訳）: スパースラーニングスパイクに基づく海馬記憶モデルのバイオインスピレーションによる実装
- Authors: Daniel Casanueva-Morato, Alvaro Ayuso-Martinez, Juan P.
Dominguez-Morales, Angel Jimenez-Fernandez, Gabriel Jimenez-Moreno
- Abstract要約: 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。
- 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 nervous system, more specifically, the brain, is capable of solving
complex problems simply and efficiently, far surpassing modern computers. In
this regard, neuromorphic engineering is a research field that focuses on
mimicking the basic principles that govern the brain in order to develop
systems that achieve such computational capabilities. Within this field,
bio-inspired learning and memory systems are still a challenge to be solved,
and this is where the hippocampus is involved. It is the region of the brain
that acts as a short-term memory, allowing the learning and unstructured and
rapid storage of information from all the sensory nuclei of the cerebral cortex
and its subsequent recall. In this work, we propose a novel bio-inspired memory
model based on the hippocampus with the ability to learn memories, recall them
from a cue (a part of the memory associated with the rest of the content) and
even forget memories when trying to learn others with the same cue. This model
has been implemented on the SpiNNaker hardware platform using Spiking Neural
Networks, and a set of experiments and tests were performed to demonstrate its
correct and expected operation. The proposed spike-based memory model generates
spikes only when it receives an input, being energy efficient, and it needs 7
timesteps for the learning step and 6 timesteps for recalling a
previously-stored memory. This work presents the first hardware implementation
of a fully functional bio-inspired spike-based hippocampus memory model, paving
the road for the development of future more complex neuromorphic systems.
- Abstract（参考訳）: 神経系、具体的には脳は複雑な問題をシンプルかつ効率的に解くことができ、現代のコンピュータをはるかに超えている。
この点に関して、ニューロモルフィックエンジニアリングは、そのような計算能力を達成するシステムを開発するために脳を支配する基本的な原理を模倣することに焦点を当てた研究分野である。
この分野では、バイオインスパイアされた学習と記憶システムはまだ解決すべき課題であり、ここで海馬が関与している。
短期記憶として機能する脳の領域であり、脳の大脳皮質のすべての感覚核とそのその後のリコールから情報を学習し、非構造化し、迅速に保存することができる。
本研究では,海馬をベースとした新しいバイオインスパイアされた記憶モデルを提案する。このモデルでは,記憶を学習したり,キューから記憶を思い出したり,同じキューで他人の記憶を覚えたりすることができる。
このモデルはSpike Neural Networksを用いてSpiNNakerハードウェアプラットフォーム上で実装され、その正確かつ期待された動作を示す一連の実験と試験が行われた。
提案するスパイクベースメモリモデルは、入力を受けたときのみスパイクを生成し、エネルギー効率が良く、学習ステップに7つの時間ステップと、予め記憶されたメモリをリコールする6つの時間ステップが必要である。
この研究は、完全に機能するバイオインスパイクに基づく海馬記憶モデルの最初のハードウェア実装を示し、将来のより複雑なニューロモルフィックシステムの開発への道を開いた。
関連論文リスト
- 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) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - 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) - Sequence learning in a spiking neuronal network with memristive synapses [0.0]
脳計算の中心にある中核的な概念は、シーケンス学習と予測である。
ニューロモルフィックハードウェアは、脳が情報を処理する方法をエミュレートし、ニューロンとシナプスを直接物理的基質にマッピングする。
シークエンス学習モデルにおける生物学的シナプスの代替としてReRAMデバイスを使用することの可能性について検討する。
論文 参考訳（メタデータ） (2022-11-29T21:07:23Z) - 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) - Memory-enriched computation and learning in spiking neural networks
through Hebbian plasticity [9.453554184019108]
ヘビアン可塑性は生物学的記憶において重要な役割を担っていると考えられている。
本稿では,ヘビーンのシナプス可塑性に富む新しいスパイクニューラルネットワークアーキテクチャを提案する。
ヘビーンの豊かさは、ニューラルネットワークの計算能力と学習能力の点で驚くほど多彩であることを示す。
論文 参考訳（メタデータ） (2022-05-23T12:48:37Z) - Spike-based computational models of bio-inspired memories in the
hippocampal CA3 region on SpiNNaker [0.0]
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。
論文 参考訳（メタデータ） (2022-05-10T10:03:50Z) - 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) - Memory and attention in deep learning [19.70919701635945]
マシンのメモリ構成は避けられない。
ディープラーニングにおけるメモリモデリングの最近の進歩は、外部メモリ構築を中心に展開されている。
この論文の目的は、深層学習における記憶と注意に対する理解を深めることである。
論文 参考訳（メタデータ） (2021-07-03T09:21:13Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z)
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。