論文の概要: NeuSort: An Automatic Adaptive Spike Sorting Approach with Neuromorphic
Models
- arxiv url: http://arxiv.org/abs/2304.10273v2
- Date: Sun, 17 Sep 2023 15:19:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 00:10:50.842986
- 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における重要なステップである。
本研究ではニューロモルフィックモデルを用いた新しいオンラインスパイクソーターであるNeuSortを開発することを目的とする。
- 参考スコア(独自算出の注目度): 24.02427573873539
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Objective. Spike sorting, a critical step in neural data processing, aims to
classify spiking events from single electrode recordings based on different
waveforms. This study aims to develop a novel online spike sorter, NeuSort,
using neuromorphic models, with the ability to adaptively adjust to changes in
neural signals, including waveform deformations and the appearance of new
neurons. Approach. NeuSort leverages a neuromorphic model to emulate
template-matching processes. This model incorporates plasticity learning
mechanisms inspired by biological neural systems, facilitating real-time
adjustments to online parameters. Results. Experimental findings demonstrate
NeuSort's ability to track neuron activities amidst waveform deformations and
identify new neurons in real-time. NeuSort excels in handling non-stationary
neural signals, significantly enhancing its applicability for long-term spike
sorting tasks. Moreover, its implementation on neuromorphic chips guarantees
ultra-low energy consumption during computation. Significance. NeuSort caters
to the demand for real-time spike sorting in brain-machine interfaces through a
neuromorphic approach. Its unsupervised, automated spike sorting process makes
it a plug-and-play solution for online spike sorting.
- Abstract(参考訳): 目的。
ニューラルデータ処理における重要なステップであるスパイクソートは、異なる波形に基づいて単一の電極記録からスパイクイベントを分類することを目的としている。
本研究の目的は、ニューロモルフィックモデルを用いて、波形変形や新しいニューロンの出現を含む神経信号の変化に適応的に適応できる新しいオンラインスパイクソーター、NeuSortを開発することである。
アプローチ。
NeuSortはテンプレートマッチングプロセスをエミュレートするためにニューロモルフィックモデルを利用する。
このモデルは、生体神経系に触発された可塑性学習機構を取り入れ、オンラインパラメータへのリアルタイム調整を容易にする。
結果だ
実験により、ニューソルトは波形変形中のニューロン活動を追跡し、リアルタイムで新しいニューロンを同定する能力を示した。
NeuSortは非定常神経信号の処理に優れ、長期スパイクソートタスクへの適用性を大幅に向上させる。
さらに、ニューロモルフィックチップの実装により、計算中の超低エネルギー消費が保証される。
重要なこと。
NeuSortはニューロモルフィックアプローチを通じて、脳と機械のインタフェースにおけるリアルタイムスパイクソーシングの需要に応える。
その教師なしの自動スパイクソートプロセスは、オンラインスパイクソートのためのプラグアンドプレイソリューションになる。
関連論文リスト
- Learning Spiking Neural Systems with the Event-Driven Forward-Forward
Process [93.4162636175265]
スパイクニューラルネットワークに対する前向きおよび予測前向き学習プロセスのイベント駆動型一般化を提案する。
神経活動を調整するためのフィードバックシナプスに依存するスパイクニューラルコーディングとは異なり、われわれのモデルは純粋にオンラインとフォワードで動作している。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - Synaptic Stripping: How Pruning Can Bring Dead Neurons Back To Life [0.0]
我々は、致命的な神経細胞問題に対処する手段として、シナプスストリッピングを導入する。
トレーニング中に問題のある接続を自動的に取り除くことで、死んだ神経細胞を再生することができる。
我々は,ネットワーク幅と深さの関数として,これらのダイナミクスを研究するために,いくつかのアブレーション研究を行っている。
論文 参考訳(メタデータ) (2023-02-11T23:55:50Z) - 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) - Capturing cross-session neural population variability through
self-supervised identification of consistent neuron ensembles [1.2617078020344619]
ディープニューラルネットワークの自己教師型トレーニングは、セッション間変動の補償に利用できることを示す。
シーケンシャルな自動符号化モデルは、未来まで数日間、完全に見えない記録セッションのために、最先端の動作復号性能を維持することができる。
論文 参考訳(メタデータ) (2022-05-19T20:00:33Z) - 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) - Improving Spiking Neural Network Accuracy Using Time-based Neurons [0.24366811507669117]
アナログニューロンを用いた低消費電力スパイクニューラルネットワークに基づくニューロモルフィックコンピューティングシステムの研究が注目されている。
技術のスケールダウンに伴い、アナログニューロンはスケールが難しく、電圧ヘッドルーム/ダイナミックレンジの減少と回路の非線形性に悩まされる。
本稿では,28nmプロセスで設計した既存の電流ミラー型電圧ドメインニューロンの非線形挙動をモデル化し,ニューロンの非線形性の影響によりSNN推定精度を著しく劣化させることができることを示す。
本稿では,時間領域のスパイクを処理し,線形性を大幅に向上させる新しいニューロンを提案する。
論文 参考訳(メタデータ) (2022-01-05T00:24:45Z) - 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) - 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。