論文の概要: NeuSort: An Automatic Adaptive Spike Sorting Approach with Neuromorphic
Models
- arxiv url: http://arxiv.org/abs/2304.10273v1
- Date: Thu, 20 Apr 2023 12:55:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-21 13:23:28.696670
- Title: NeuSort: An Automatic Adaptive Spike Sorting Approach with Neuromorphic
Models
- Title(参考訳): NeuSort:ニューロモルフィックモデルを用いた自動適応スパイクソーティング手法
- Authors: Hang Yu, Yu Qi, Gang Pan
- Abstract要約: スパイクソートは、ニューラルデータ処理と分析において不可欠で広く使われているステップである。
ほとんどの既存のスパイクソーターはオフラインで動作し、すなわちデータ収集の後にソートする。
オフラインスパイクソーターは通常、ニューラルネットワークの不安定さにより、オンラインタスクのパフォーマンス低下に悩まされる。
本研究ではニューロモルフィックモデル(NeuSort)に基づく新しいオンラインスパイクソータを提案する。
- 参考スコア(独自算出の注目度): 19.38346928016801
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Spike sorting, which classifies spiking events of different neurons from
single electrode recordings, is an essential and widely used step in neural
data processing and analysis. The recent development of brain-machine
interfaces enables online control of external devices and closed-loop
neuroprosthetics using single-unit activity, making online spike sorting
desired. Most existing spike sorters work in an offline manner, i.e., sorting
after data collection. However, offline spike sorters usually suffer from
performance degradation in online tasks due to the instability of neural
signals. In an online process, neuronal properties can change over time (such
as waveform deformations), and new neurons can appear. Therefore, a static
spike sorter requires periodic recalibration to maintain its performance. This
study proposes a novel online spike sorter based on neuromorphic models
(NeuSort), which can adaptively adjust itself to cope with changes in neural
signals. NeuSort can robustly track individual neurons' activities against
waveform deformations and automatically recognize new coming neurons in
real-time. The adaptation ability of NeuSort is achieved by online parameter
updates of the neuromorphic model, according to the plasticity learning rule
inspired by biological neural systems. Experimental results on both synthetic
and neural signal datasets demonstrate that NeuSort can classify spiking events
automatically and cope with non-stationary situations in neural signals.
NeuSort also provides ultra-low energy cost computation with neuromorphic
chips.
- Abstract(参考訳): 単一電極記録から異なるニューロンのスパイク事象を分類するスパイクソートは、神経データ処理と解析において不可欠で広く使われているステップである。
近年の脳-機械インタフェースの開発により、外部機器やクローズドループ・ニューロプロテーゼのオンライン制御が可能となり、オンラインスパイクソートが求められるようになった。
ほとんどの既存のスパイクソーターはオフラインで動作し、すなわちデータ収集の後にソートする。
しかし、オフラインスパイクソーターは通常、神経信号の不安定性のためにオンラインタスクのパフォーマンス低下に苦しむ。
オンラインプロセスでは、時間とともにニューロンの性質が変化し(波形変形など)、新しいニューロンが出現する。
したがって、静的スパイクソータはその性能を維持するために周期的な再調整を必要とする。
本研究では,ニューロモルフィックモデル(neusort)に基づく新しいオンラインスパイクソータを提案する。
NeuSortは、波形変形に対して個々のニューロンの活動をしっかり追跡し、新しいニューロンをリアルタイムで自動的に認識する。
NeuSortの適応能力は、生物学的ニューラルネットワークにインスパイアされた可塑性学習規則に従って、ニューロモルフィックモデルのオンラインパラメータ更新によって達成される。
合成信号とニューロ信号の両方の実験結果は、ニューソレットがスパイキングイベントを自動分類し、ニューロ信号の非定常状況に対処できることを示した。
NeuSortはまた、ニューロモルフィックチップを用いた超低エネルギーコスト計算も提供する。
関連論文リスト
- Neuroformer: Multimodal and Multitask Generative Pretraining for Brain Data [3.46029409929709]
最先端のシステム神経科学実験は大規模なマルチモーダルデータを生み出し、これらのデータセットは分析のための新しいツールを必要とする。
視覚領域と言語領域における大きな事前学習モデルの成功に触発されて、我々は大規模な細胞分解性神経スパイクデータの解析を自己回帰生成問題に再構成した。
我々はまず、シミュレーションデータセットでNeuroformerを訓練し、本質的なシミュレートされた神経回路の動作を正確に予測し、方向を含む基盤となる神経回路の接続性を推定した。
論文 参考訳(メタデータ) (2023-10-31T20:17:32Z) - WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。
本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。
WaLiN-GUIはオープンソースとドキュメントが提供されている。
論文 参考訳(メタデータ) (2023-10-25T20:34:08Z) - 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) - 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 Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳(メタデータ) (2020-12-07T01:20:38Z) - Factorized Neural Processes for Neural Processes: $K$-Shot Prediction of
Neural Responses [9.792408261365043]
我々は,小さな刺激応答対からニューロンのチューニング関数を推定するファクトリズ・ニューラル・プロセスを開発した。
本稿では,ニューラルプロセスからの予測および再構成された受容場が,試行数の増加とともに真理に近づいたことをシミュレートした応答を示す。
この新しいディープラーニングシステム識別フレームワークは、ニューラルネットワークモデリングを神経科学実験にリアルタイムに組み込むのに役立つと信じている。
論文 参考訳(メタデータ) (2020-10-22T15:43:59Z) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳(メタデータ) (2020-05-02T06:41:20Z) - 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) - Investigation and Analysis of Hyper and Hypo neuron pruning to
selectively update neurons during Unsupervised Adaptation [8.845660219190298]
プルーニングアプローチは、モデルの決定に寄与しない低塩性ニューロンを求める。
この研究は、プルーニングアプローチが、高塩分(主に活性または超活性)または低塩分(ほとんど活性または偽)のニューロンを検出することに成功しているかどうかを調査する。
これは、まず特定のニューロン(高次ニューロンと低次ニューロンからなる)を選択的に適応させ、次にフルネットワークの微調整を行うことが可能であることを示している。
論文 参考訳(メタデータ) (2020-01-06T19:46:57Z)
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。