論文の概要: Neuromorphic Online Clustering and Classification

• arxiv url: http://arxiv.org/abs/2310.17797v1
• Date: Thu, 26 Oct 2023 21:59:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-30 15:21:47.123612
• Title: Neuromorphic Online Clustering and Classification
• Title（参考訳）: ニューロモルフィックオンラインクラスタリングと分類
• Authors: J. E. Smith
• Abstract要約: ニューロモルフィックアーキテクチャの2つのレイヤが設計され、オンラインクラスタリングと教師付き分類が可能であることが示されている。 アクティブスパイキングデンドライトモデルを使用し、単一の樹状体セグメントは古典的な統合点と発火点ニューロンと本質的に同じ機能を発揮する。 単一のデンドライトは複数のセグメントで構成され、オンラインクラスタリングが可能である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The bottom two layers of a neuromorphic architecture are designed and shown to be capable of online clustering and supervised classification. An active spiking dendrite model is used, and a single dendritic segment performs essentially the same function as a classic integrate-and-fire point neuron. A single dendrite is then composed of multiple segments and is capable of online clustering. Although this work focuses primarily on dendrite functionality, a multi-point neuron can be formed by combining multiple dendrites. To demonstrate its clustering capability, a dendrite is applied to spike sorting, an important component of brain-computer interface applications. Supervised online classification is implemented as a network composed of multiple dendrites and a simple voting mechanism. The dendrites operate independently and in parallel. The network learns in an online fashion and can adapt to macro-level changes in the input stream. Achieving brain-like capabilities, efficiencies, and adaptability will require a significantly different approach than conventional deep networks that learn via compute-intensive back propagation. The model described herein may serve as the foundation for such an approach.
• Abstract（参考訳）: ニューロモルフィックアーキテクチャの下位2層は、オンラインクラスタリングと教師付き分類が可能なように設計されている。 アクティブスパイキングデンドライトモデルを使用し、単一の樹状体セグメントは古典的な統合点と発火点ニューロンと本質的に同じ機能を発揮する。 1つのデンドライトは複数のセグメントで構成され、オンラインクラスタリングが可能である。 この研究は主にデンドライト機能に焦点を当てているが、複数のデンドライトを組み合わせることで多点ニューロンを形成することができる。 クラスタリング能力を示すために、脳-コンピュータインターフェースアプリケーションの重要なコンポーネントであるスパイクソートにデンドライトを適用する。 監視されたオンライン分類は、複数のデンドライトと単純な投票機構からなるネットワークとして実装されている。 デンドライトは独立して平行に作用する。 ネットワークはオンラインで学習し、入力ストリームのマクロレベルの変更に適応することができる。 脳のような能力、効率、適応性を達成するには、計算集約的なバック伝搬を通じて学習する従来のディープネットワークとは大きく異なるアプローチが必要である。 ここで述べたモデルは、そのようなアプローチの基盤となるかもしれない。

関連論文リスト

• Convolutional Neural Networks for Automated Cellular Automaton Classification [0.0]
  コンピュータビジョン技術を用いて、5つのLi-Packardクラスに小セルオートマトンの自動分類を行う。 まず、これまで開発されたディープラーニングアプローチが、実際にローカル更新ルールを特定するために訓練されていることを示す。 次に、行動クラスを特定するのにほぼ完全に機能する畳み込みニューラルネットワークを示す。
  論文  参考訳（メタデータ） (2024-09-04T14:21:00Z)
• CoLaNET -- A Spiking Neural Network with Columnar Layered Architecture for Classification [0.0]
  本稿では、幅広い教師付き学習分類タスクに使用できるスパイキングニューラルネットワーク(SNN)アーキテクチャについて述べる。 全ての参加信号(分類対象記述、正しいクラスラベル、SNN決定)がスパイクの性質を持つと仮定する。 モデルに基づく強化学習に関わる課題に対して,私のネットワークの性能について解説する。
  論文  参考訳（メタデータ） (2024-09-02T13:04:54Z)
• Coding schemes in neural networks learning classification tasks [52.22978725954347]
  完全接続型広義ニューラルネットワーク学習タスクについて検討する。 ネットワークが強力なデータ依存機能を取得することを示す。 驚くべきことに、内部表現の性質は神経の非線形性に大きく依存する。
  論文  参考訳（メタデータ） (2024-06-24T14:50:05Z)
• Unsupervised representation learning with Hebbian synaptic and structural plasticity in brain-like feedforward neural networks [0.0]
  教師なし表現学習が可能な脳様ニューラルネットワークモデルを導入,評価する。 このモデルは、一般的な機械学習ベンチマークのさまざまなセットでテストされた。
  論文  参考訳（メタデータ） (2024-06-07T08:32:30Z)
• A versatile circuit for emulating active biological dendrites applied to sound localisation and neuron imitation [0.0]
  我々は,利得を示し,遅延を導入し,統合を行うデンドライトのセグメントをエミュレートする汎用回路を導入する。 また、デンドライトが破裂するニューロンを形成できることもわかりました。 この重要な発見は、デンドライト回路のみからなるニューラルネットワークを作る可能性を示唆している。
  論文  参考訳（メタデータ） (2023-10-25T09:42:24Z)
• 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)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• IC Neuron: An Efficient Unit to Construct Neural Networks [8.926478245654703]
  より複雑な分布を表現できる新しいニューロンモデルを提案する。 層間衝突(IC)ニューロンは入力空間を異なる線形変換を表すために使用される複数の部分空間に分割する。 我々は、ICニューロンを完全連結(FC)、畳み込み、再帰構造に統合することにより、ICネットワークを構築する。
  論文  参考訳（メタデータ） (2020-11-23T08:36:48Z)
• 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)

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。