論文の概要: Self-Evolutionary Reservoir Computer Based on Kuramoto Model
- arxiv url: http://arxiv.org/abs/2301.10654v1
- Date: Wed, 25 Jan 2023 15:53:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-26 15:02:57.138446
- Title: Self-Evolutionary Reservoir Computer Based on Kuramoto Model
- Title(参考訳): 倉本モデルに基づく自己進化型貯水池コンピュータ
- Authors: Zhihao Zuo, Zhongxue Gan, Yuchuan Fan, Vjaceslavs Bobrovs, Xiaodan
Pang, Oskars Ozolins
- Abstract要約: 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として、貯水池コンピューティング(RC)は情報処理においてユニークなアドバンテージを持っている。
本研究では,人的知識を必要とせず,手元にある特定の問題に適応できる構造的自律開発貯水池計算モデルを提案する。
- 参考スコア(独自算出の注目度): 1.7072337666116733
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The human brain's synapses have remarkable activity-dependent plasticity,
where the connectivity patterns of neurons change dramatically, relying on
neuronal activities. As a biologically inspired neural network, reservoir
computing (RC) has unique advantages in processing spatiotemporal information.
However, typical reservoir architectures only take static random networks into
account or consider the dynamics of neurons and connectivity separately. In
this paper, we propose a structural autonomous development reservoir computing
model (sad-RC), which structure can adapt to the specific problem at hand
without any human expert knowledge. Specifically, we implement the reservoir by
adaptive networks of phase oscillators, a commonly used model for synaptic
plasticity in biological neural networks. In this co-evolving dynamic system,
the dynamics of nodes and coupling weights in the reservoir constantly interact
and evolve together when disturbed by external inputs.
- Abstract(参考訳): ヒトの脳のシナプスは、活動に依存した可塑性を持ち、ニューロンの接続パターンが劇的に変化し、ニューロンの活動に依存する。
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として、貯水池コンピューティング(RC)は時空間情報の処理にユニークな利点がある。
しかし、典型的な貯水池アーキテクチャは静的なランダムネットワークのみを考慮に入れ、ニューロンと接続のダイナミクスを別々に考慮する。
本稿では,人間の知識を必要とせず,手元の特定の問題に適応できる構造的自律型開発貯水池計算モデル(sad-rc)を提案する。
具体的には,生体ニューラルネットワークのシナプス可塑性モデルである位相発振器の適応ネットワークを用いて貯留層を実装した。
この共進化力学系では、ノードのダイナミクスと貯水池内の結合重みは、外部入力によって乱されるとき常に相互に相互作用し、進化する。
関連論文リスト
- Astrocyte-Enabled Advancements in Spiking Neural Networks for Large
Language Modeling [7.863029550014263]
Astrocyte-Modulated Spiking Neural Network (AstroSNN) は、記憶保持や自然言語生成に関わるタスクにおいて、例外的な性能を示す。
AstroSNNは、実用的なアプリケーションで低レイテンシ、高スループット、メモリ使用量の削減を示す。
論文 参考訳(メタデータ) (2023-12-12T06:56:31Z) - Equivalence of Additive and Multiplicative Coupling in Spiking Neural
Networks [0.0]
スパイキングニューラルネットワークモデルは、生物学的ニューロンの回路の創発的集団力学を特徴付ける。
加法結合を持つスパイクニューラルネットワークモデルは乗法結合を持つモデルと等価であることを示す。
論文 参考訳(メタデータ) (2023-03-31T20:19:11Z) - Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-06T13:04:45Z) - Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural
Networks [69.42260428921436]
クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。
我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。
CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
論文 参考訳(メタデータ) (2022-04-05T17:13:36Z) - 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) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳(メタデータ) (2021-10-15T17:55:04Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳(メタデータ) (2021-04-22T04:01:32Z) - The distribution of inhibitory neurons in the C. elegans connectome
facilitates self-optimization of coordinated neural activity [78.15296214629433]
線虫Caenorhabditis elegansの神経系は、昆虫のサイズが小さいにもかかわらず著しく複雑である。
一般的な課題は、システムレベルでの神経組織と神経活動の関係をよりよく理解することである。
我々は,各ニューロンの神経伝達物質同定を近似した,C. elegans Connectomeの抽象シミュレーションモデルを実装した。
論文 参考訳(メタデータ) (2020-10-28T23:11:37Z)
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。