論文の概要: Bio-inspired computational memory model of the Hippocampus: an approach
to a neuromorphic spike-based Content-Addressable Memory
- arxiv url: http://arxiv.org/abs/2310.05868v1
- Date: Mon, 9 Oct 2023 17:05:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-11 00:19:57.897318
- Title: Bio-inspired computational memory model of the Hippocampus: an approach
to a neuromorphic spike-based Content-Addressable Memory
- Title（参考訳）: 生体インスパイアされた海馬計算記憶モデル--ニューロモルフィックスパイクに基づくコンテンツ・アドレナブル・メモリへのアプローチ
- Authors: Daniel Casanueva-Morato, Alvaro Ayuso-Martinez, Juan P.
Dominguez-Morales, Angel Jimenez-Fernandez, Gabriel Jimenez-Moreno
- Abstract要約: 本稿では,海馬CA3領域をベースとしたバイオインスパイアされたスパイキングコンテンツ適応型メモリモデルを提案する。
機能, ストレス, 適用性テストに基づく一連の実験を行い, 正しい機能を示すことができた。
本研究は,完全機能型バイオインスパイアされた海馬内容適応型メモリモデルの最初のハードウェア実装を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The brain has computational capabilities that surpass those of modern
systems, being able to solve complex problems efficiently in a simple way.
Neuromorphic engineering aims to mimic biology in order to develop new systems
capable of incorporating such capabilities. Bio-inspired learning systems
continue to be a challenge that must be solved, and much work needs to be done
in this regard. Among all brain regions, the hippocampus stands out as an
autoassociative short-term memory with the capacity to learn and recall
memories from any fragment of them. These characteristics make the hippocampus
an ideal candidate for developing bio-inspired learning systems that, in
addition, resemble content-addressable memories. Therefore, in this work we
propose a bio-inspired spiking content-addressable memory model based on the
CA3 region of the hippocampus with the ability to learn, forget and recall
memories, both orthogonal and non-orthogonal, from any fragment of them. The
model was implemented on the SpiNNaker hardware platform using Spiking Neural
Networks. A set of experiments based on functional, stress and applicability
tests were performed to demonstrate its correct functioning. This work presents
the first hardware implementation of a fully-functional bio-inspired spiking
hippocampal content-addressable memory model, paving the way for the
development of future more complex neuromorphic systems.
- Abstract（参考訳）: 脳は現代のシステムを上回る計算能力を持ち、単純な方法で複雑な問題を効率的に解くことができる。
ニューロモルフィック工学は、そのような機能を組み込むことのできる新しいシステムを開発するために生物学を模倣することを目的としている。
バイオインスパイアされた学習システムは、解決しなければならない課題であり続けており、この点において多くの作業を行う必要がある。
すべての脳領域において、海馬は、記憶を記憶し記憶する能力を持つ自己連想的な短期記憶として際立っている。
これらの特徴により、海馬は、コンテンツ適応可能な記憶に類似したバイオインスパイアされた学習システムを開発するのに理想的な候補となる。
そこで本研究では,海馬のCA3領域に基づいて,直交的,非直交的に記憶を学習し,忘れ,記憶を記憶するバイオインスパイアされた内容適応型記憶モデルを提案する。
このモデルはSpike Neural Networksを使ってSpiNNakerハードウェアプラットフォーム上で実装された。
機能, ストレス, 適用性テストに基づく一連の実験を行い, 正しい機能を示すことができた。
本研究は, バイオインスパイアされた海馬のコンテントアドレプタブルメモリモデルの最初のハードウェア実装であり, 今後のより複雑な神経形態学システムの開発への道を開くものである。
関連論文リスト
- MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - 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) - Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex
models for robot navigation and environment pseudo-mapping [52.77024349608834]
本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。
海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。
これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
論文 参考訳（メタデータ） (2023-05-22T10:20:34Z) - Sequence learning in a spiking neuronal network with memristive synapses [0.0]
脳計算の中心にある中核的な概念は、シーケンス学習と予測である。
ニューロモルフィックハードウェアは、脳が情報を処理する方法をエミュレートし、ニューロンとシナプスを直接物理的基質にマッピングする。
シークエンス学習モデルにおける生物学的シナプスの代替としてReRAMデバイスを使用することの可能性について検討する。
論文 参考訳（メタデータ） (2022-11-29T21:07:23Z) - A bio-inspired implementation of a sparse-learning spike-based
hippocampus memory model [0.0]
本研究では,海馬に基づくバイオインスパイアされた新しい記憶モデルを提案する。
記憶を覚えたり、キューから思い出したり、同じキューで他の人を学ぼうとする時の記憶を忘れたりできる。
この研究は、完全に機能するバイオインスパイアされたスパイクベースの海馬記憶モデルの最初のハードウェア実装を示す。
論文 参考訳（メタデータ） (2022-06-10T07:48:29Z) - 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) - Memory-enriched computation and learning in spiking neural networks
through Hebbian plasticity [9.453554184019108]
ヘビアン可塑性は生物学的記憶において重要な役割を担っていると考えられている。
本稿では,ヘビーンのシナプス可塑性に富む新しいスパイクニューラルネットワークアーキテクチャを提案する。
ヘビーンの豊かさは、ニューラルネットワークの計算能力と学習能力の点で驚くほど多彩であることを示す。
論文 参考訳（メタデータ） (2022-05-23T12:48:37Z) - Spike-based computational models of bio-inspired memories in the
hippocampal CA3 region on SpiNNaker [0.0]
完全機能海馬バイオインスパイア記憶のスパイクに基づく2つの計算モデルを開発した。
このモデルは、将来のスパイクベースの実装とアプリケーションへの道を開くかもしれない。
論文 参考訳（メタデータ） (2022-05-10T10:03:50Z) - CogNGen: Constructing the Kernel of a Hyperdimensional Predictive
Processing Cognitive Architecture [79.07468367923619]
神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。
我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
論文 参考訳（メタデータ） (2022-03-31T04:44:28Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳（メタデータ） (2021-09-22T16:52:51Z)
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。