論文の概要: A Macrocolumn Architecture Implemented with Temporal (Spiking) Neurons

• arxiv url: http://arxiv.org/abs/2207.05081v1
• Date: Mon, 11 Jul 2022 17:20:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-13 12:58:10.623358
• Title: A Macrocolumn Architecture Implemented with Temporal (Spiking) Neurons
• Title（参考訳）: 時(スポーキング)ニューロンを応用したマクロコラム構造
• Authors: James E. Smith
• Abstract要約: この文書はマクロカラム抽象層に焦点を当てている。 基礎的なマクロカラムアーキテクチャは、まず状態マシンモデルでその動作を記述することによって開発される。 状態マシン関数は、時間計算をサポートするスパイクニューロンで実装される。
• 参考スコア（独自算出の注目度）: 0.6091702876917281
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: With the long-term goal of reverse-architecting the computational brain from the bottom up, the focus of this document is the macrocolumn abstraction layer. A basic macrocolumn architecture is developed by first describing its operation with a state machine model. Then state machine functions are implemented with spiking neurons that support temporal computation. The neuron model is based on active spiking dendrites and mirrors the Hawkins/Numenta neuron model. The architecture is demonstrated with a research benchmark in which an agent uses a macrocolumn to first learn and then navigate 2-d environments containing randomly placed features. Environments are represented in the macrocolumn as labeled directed graphs where edges connect features and labels indicate the relative displacements between them.
• Abstract（参考訳）: 計算脳をボトムアップから再構築するという長期的目標により、この文書の焦点はマクロカラム抽象層である。 基本的なマクロカラムアーキテクチャは、まずその動作をステートマシンモデルで記述することによって開発される。 次に、状態マシン関数は、時間計算をサポートするスパイクニューロンで実装される。 ニューロンモデルは活発なスパイクデンドライトに基づいており、ホーキンス/ヌメンタニューロンモデルをミラーしている。 このアーキテクチャは、エージェントがマクロカラムを使用してまず学習し、次にランダムに配置された特徴を含む2次元環境をナビゲートする研究ベンチマークで実証される。 環境はマクロカラム内で、エッジが特徴を接続する有向グラフとして表現され、ラベルはその間の相対的な変位を示す。

関連論文リスト

• CoLaNET -- A Spiking Neural Network with Columnar Layered Architecture for Classification [0.0]
  本稿では、幅広い教師付き学習分類タスクに使用できるスパイキングニューラルネットワーク(SNN)アーキテクチャについて述べる。 全ての参加信号(分類対象記述、正しいクラスラベル、SNN決定)がスパイクの性質を持つと仮定する。 モデルに基づく強化学習に関わる課題に対して,私のネットワークの性能について解説する。
  論文  参考訳（メタデータ） (2024-09-02T13:04:54Z)
• Revealing Cortical Layers In Histological Brain Images With Self-Supervised Graph Convolutional Networks Applied To Cell-Graphs [0.20971479389679332]
  大脳皮質の2次元Nissl染色組織スライスにおける層検出のための自己監督的アプローチを導入する。 自己教師付きグラフ畳み込みネットワークは、細胞環境の形態的および構造的特性をコードする細胞埋め込みを生成する。
  論文  参考訳（メタデータ） (2023-11-26T10:33:36Z)
• Sparse, Geometric Autoencoder Models of V1 [2.491226380993217]
  本稿では,潜在表現が暗黙的に暗黙的に,スペクトルクラスタリングのために局所的に整理されたオートエンコーダアーキテクチャを提案する。 オートエンコーダの目的関数はスパース符号化フレームワークの中核的な概念を保ちつつも、受容領域の微分を記述するための有望な経路を提供することを示す。
  論文  参考訳（メタデータ） (2023-02-22T06:07:20Z)
• Time-aware Hyperbolic Graph Attention Network for Session-based Recommendation [58.748215444851226]
  セッションベースのレコメンデーション(SBR、Session-based Recommendation)は、ユーザの次の関心項目を以前のブラウジングセッションに基づいて予測することである。 時間情報を考慮したセッションベースレコメンデーションモデルを構築するために,TA-HGAT(Time-Aware Hyperbolic Graph Attention Network)を提案する。
  論文  参考訳（メタデータ） (2023-01-10T04:16:09Z)
• Graph Neural Network for Cell Tracking in Microscopy Videos [0.0]
  顕微鏡ビデオにおける細胞追跡のための新しいグラフニューラルネットワーク(GNN)を提案する。 タイムラプスシーケンス全体を直接グラフとしてモデル化することにより,セルトラジェクトリの集合全体を抽出する。 我々は、異なる生体細胞のインスタンスを区別する細胞特徴ベクトルを抽出するために、ディープメトリック学習アルゴリズムを利用する。
  論文  参考訳（メタデータ） (2022-02-09T21:21:48Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Graph Kernel Neural Networks [53.91024360329517]
  本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。 これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。 私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
  論文  参考訳（メタデータ） (2021-12-14T14:48:08Z)
• Learning Spatial Context with Graph Neural Network for Multi-Person Pose Grouping [71.59494156155309]
  イメージベース多人数ポーズ推定のためのボトムアップ手法は,キーポイント検出とグループ化の2段階からなる。 本研究では,グラフ分割問題としてグループ化タスクを定式化し,グラフニューラルネットワーク(gnn)を用いて親和性行列を学習する。 学習された幾何学に基づく親和性は、強固なキーポイント結合を達成するために外観に基づく親和性とさらに融合する。
  論文  参考訳（メタデータ） (2021-04-06T09:21:14Z)
• Temporal Memory Relation Network for Workflow Recognition from Surgical Video [53.20825496640025]
  本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。 我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
  論文  参考訳（メタデータ） (2021-03-30T13:20:26Z)
• Deep Neural-Kernel Machines [4.213427823201119]
  本章では,近年のディープ・ニューラル・カーネル・アーキテクチャの進展に関する文献について概説する。 我々は、異なるプーリング層を備えたより深いモデルのためのコアモジュールとして機能するニューラルカーネルアーキテクチャを導入する。 特に,平均,最大,畳み込み層を有する3つのニューラルカーネルマシンについて検討した。
  論文  参考訳（メタデータ） (2020-07-13T19:46:29Z)
• Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs [54.13919050090926]
  本稿では,動的グラフの異常エッジを検出するために,エンドツーエンドの時間構造グラフニューラルネットワークモデルを提案する。 特に,まずターゲットエッジを中心にした$h$ホップ囲むサブグラフを抽出し,各ノードの役割を識別するノードラベル機能を提案する。 抽出した特徴に基づき,GRU(Gated Recurrent Unit)を用いて,異常検出のための時間的情報を取得する。
  論文  参考訳（メタデータ） (2020-05-15T09:17:08Z)

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。