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
- 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) - Exploring the Approximation Capabilities of Multiplicative Neural
Networks for Smooth Functions [9.936974568429173]
対象関数のクラスは、一般化帯域制限関数とソボレフ型球である。
以上の結果から、乗法ニューラルネットワークは、これらの関数をはるかに少ない層とニューロンで近似できることを示した。
これらの結果は、乗法ゲートが標準フィードフォワード層より優れ、ニューラルネットワーク設計を改善する可能性があることを示唆している。
論文 参考訳(メタデータ) (2023-01-11T17:57:33Z) - An Adaptive Contrastive Learning Model for Spike Sorting [12.043679000694258]
神経科学研究においては、個々のニューロンの活動を分離することが重要である。
大規模なシリコン技術の発展に伴い、スパイクの人工的解釈とラベル付けはますます非現実的になりつつある。
対照的な学習を通してスパイクから表現を学習する新しいモデリングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-24T09:18:46Z) - 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) - Exploiting Heterogeneity in Operational Neural Networks by Synaptic
Plasticity [87.32169414230822]
最近提案されたネットワークモデルであるオペレーショナルニューラルネットワーク(ONN)は、従来の畳み込みニューラルネットワーク(CNN)を一般化することができる。
本研究では, 生体ニューロンにおける本質的な学習理論を示すSynaptic Plasticityパラダイムに基づいて, ネットワークの隠蔽ニューロンに対する最強演算子集合の探索に焦点をあてる。
高難易度問題に対する実験結果から、神経細胞や層が少なくても、GISベースのONNよりも優れた学習性能が得られることが示された。
論文 参考訳(メタデータ) (2020-08-21T19:03:23Z) - Self-organization of multi-layer spiking neural networks [4.859525864236446]
発達する脳における複雑な構造の形成を可能にする重要なメカニズムは、神経活動の経時的波の出現である。
多層ニューラルネットワークをシームレスに積み重ねることのできる動的システムの形でモジュール式ツールキットを提案する。
我々のフレームワークは、多層パーセプトロンからオートエンコーダまで、幅広いアーキテクチャの自己組織化に繋がる。
論文 参考訳(メタデータ) (2020-06-12T01:44:48Z) - 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。