論文の概要: Constraints on the design of neuromorphic circuits set by the properties
of neural population codes
- arxiv url: http://arxiv.org/abs/2212.04317v1
- Date: Thu, 8 Dec 2022 15:16:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 15:23:40.003288
- Title: Constraints on the design of neuromorphic circuits set by the properties
of neural population codes
- Title（参考訳）: 神経集団コードの性質によって設定されたニューロモルフィック回路の設計上の制約
- Authors: Stefano Panzeri and Ella Janotte and Alejandro Peque\~no-Zurro and
Jacopo Bonato and Chiara Bartolozzi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 61.15277741147157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the brain, information is encoded, transmitted and used to inform
behaviour at the level of timing of action potentials distributed over
population of neurons. To implement neural-like systems in silico, to emulate
neural function, and to interface successfully with the brain, neuromorphic
circuits need to encode information in a way compatible to that used by
populations of neuron in the brain. To facilitate the cross-talk between
neuromorphic engineering and neuroscience, in this Review we first critically
examine and summarize emerging recent findings about how population of neurons
encode and transmit information. We examine the effects on encoding and readout
of information for different features of neural population activity, namely the
sparseness of neural representations, the heterogeneity of neural properties,
the correlations among neurons, and the time scales (from short to long) at
which neurons encode information and maintain it consistently over time.
Finally, we critically elaborate on how these facts constrain the design of
information coding in neuromorphic circuits. We focus primarily on the
implications for designing neuromorphic circuits that communicate with the
brain, as in this case it is essential that artificial and biological neurons
use compatible neural codes. However, we also discuss implications for the
design of neuromorphic systems for implementation or emulation of neural
computation.
- Abstract（参考訳）: 脳では、情報はエンコードされ、伝達され、ニューロンの集団に分散した行動電位のタイミングのレベルで行動を伝えるために使用される。
神経様システムをシリコに実装し、神経機能をエミュレートし、脳とうまく連携するために、神経形態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エンコードする必要がある。
本稿では,神経形態工学と神経科学のクロストークを容易にするために,ニューロンの集団が情報をどのようにエンコードし,伝達するかに関する最近の知見を批判的に検討し,要約する。
神経集団活動の異なる特徴、すなわち神経表現のばらばらさ、神経特性の多様性、ニューロン間の相関、ニューロンが情報をエンコードし、時間とともに一貫して維持する時間スケール(短いものから長いものまで)に対する情報の符号化と読み出しの効果について検討する。
最後に、これらの事実がニューロモルフィック回路における情報符号化の設計をいかに制約するかを批判的に詳述する。
我々は主に脳と通信するニューロモルフィック回路の設計に焦点をあてる。この場合、人工ニューロンと生体ニューロンが互換性のあるニューラルコードを使用することが不可欠である。
しかし,ニューラル計算の実装やエミュレーションのためのニューロモルフィックシステムの設計への意味についても論じる。
関連論文リスト
- NeuroBind: Towards Unified Multimodal Representations for Neural Signals [20.02503060795981]
脳波、fMRI、カルシウムイメージング、スパイキングデータを含む複数の脳信号タイプを統一する表現であるNeuroBindを提案する。
このアプローチは、神経科学研究の進展、AIシステムの改善、神経補綴学と脳-コンピュータインターフェースの開発において大きな可能性を秘めている。
論文 参考訳（メタデータ） (2024-07-19T04:42:52Z) - Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - Towards a Foundation Model for Brain Age Prediction using coVariance
Neural Networks [102.75954614946258]
時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。
NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。
NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
論文 参考訳（メタデータ） (2024-02-12T14:46:31Z) - Learn to integrate parts for whole through correlated neural variability [8.173681663544757]
感覚知覚は感覚ニューロンの反応に起因し、特定の知覚物体の物理的特性に関連付けられた知覚信号の集まりに反応する。
これらの神経反応から脳がどのように知覚情報を抽出するかを明らかにすることは、計算神経科学と機械学習の両方において重要な課題である。
本稿では,知覚情報を知覚ニューロンの相関変数に符号化し,下流ニューロンの発火速度に変換する統計力学理論を提案する。
論文 参考訳（メタデータ） (2024-01-01T13:05:29Z) - Joint Learning Neuronal Skeleton and Brain Circuit Topology with Permutation Invariant Encoders for Neuron Classification [33.47541392305739]
本稿では,スケルトンから得られるニューロンの形態情報と神経回路から得られるニューロン間のトポロジ情報を組み合わせたNeuNetフレームワークを提案する。
我々は、ヒト大脳皮質とショウジョウバエ脳の体積電子顕微鏡(VEM)画像からニューロン分類タスクのための2つの新しいデータセットを再処理し、リリースする。
論文 参考訳（メタデータ） (2023-12-22T08:31:11Z) - 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) - Single Biological Neurons as Temporally Precise Spatio-Temporal Pattern
Recognizers [0.0]
理論は、脳内の単一ニューロンは、時間的に非常に複雑な時間的パターン認識因子と見なされるべきという中心的な考え方に焦点を当てている。
第2章では、特定の時間的入力パターンに応答して、単一ニューロンが時間的に正確な出力パターンを生成できることを実証する。
第3章では、現実的な皮質ニューロンの識別可能な深部ネットワークを用いて、ニューロンの出力の影響を近似する。
論文 参考訳（メタデータ） (2023-09-26T17:32:08Z) - Towards NeuroAI: Introducing Neuronal Diversity into Artificial Neural
Networks [20.99799416963467]
ヒトの脳では、神経の多様性はあらゆる生物学的知的行動に有効である。
本稿では,まず,生物ニューロンの多様性と情報伝達・処理の特徴について論じる。
論文 参考訳（メタデータ） (2023-01-23T02:23:45Z) - 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) - 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)
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。