論文の概要: A Lightweight Architecture for Real-Time Neuronal-Spike Classification
- arxiv url: http://arxiv.org/abs/2311.04808v1
- Date: Wed, 8 Nov 2023 16:30:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-09 15:10:56.425295
- Title: A Lightweight Architecture for Real-Time Neuronal-Spike Classification
- Title（参考訳）: リアルタイム神経スパイク分類のための軽量アーキテクチャ
- Authors: Muhammad Ali Siddiqi, David Vrijenhoek, Lennart P. L. Landsmeer, Job
van der Kleij, Anteneh Gebregiorgis, Vincenzo Romano, Rajendra Bishnoi, Said
Hamdioui, Christos Strydis
- Abstract要約: 本稿では、不要なデータをリアルタイムに破棄する軽量な神経スパイク検出・分類アーキテクチャを提案する。
これにより、(凝縮した)データはヘッドステージ上の取り外し可能な記憶装置に簡単に格納でき、ワイヤの必要性を軽減できる。
提案手法は, 95%の分類精度を示しながら, 小型の要素設計を実現している。
- 参考スコア（独自算出の注目度）: 0.49289769150507373
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrophysiological recordings of neural activity in a mouse's brain are
very popular among neuroscientists for understanding brain function. One
particular area of interest is acquiring recordings from the Purkinje cells in
the cerebellum in order to understand brain injuries and the loss of motor
functions. However, current setups for such experiments do not allow the mouse
to move freely and, thus, do not capture its natural behaviour since they have
a wired connection between the animal's head stage and an acquisition device.
In this work, we propose a lightweight neuronal-spike detection and
classification architecture that leverages on the unique characteristics of the
Purkinje cells to discard unneeded information from the sparse neural data in
real time. This allows the (condensed) data to be easily stored on a removable
storage device on the head stage, alleviating the need for wires. Our proposed
implementation shows a >95% overall classification accuracy while still
resulting in a small-form-factor design, which allows for the free movement of
mice during experiments. Moreover, the power-efficient nature of the design and
the usage of STT-RAM (Spin Transfer Torque Magnetic Random Access Memory) as
the removable storage allows the head stage to easily operate on a tiny battery
for up to approximately 4 days.
- Abstract（参考訳）: マウスの脳における神経活動の電気生理学的記録は、脳機能を理解する神経科学者の間で非常に人気がある。
脳の損傷と運動機能の喪失を理解するために、脳小脳のPurkinje細胞から記録を取得することが特に関心がある。
しかし、この実験の現在の設定では、マウスは自由に移動することができないため、動物の頭部と取得装置との間に接続されているため、自然な挙動を捉えることはできない。
本研究では,パーキンエ細胞の特異な特徴を利用して,スパースニューラルネットワークから不要な情報をリアルタイムに破棄する軽量な神経スパイク検出・分類アーキテクチャを提案する。
これにより、(凝縮した)データはヘッドステージ上の取り外し可能な記憶装置に簡単に格納でき、ワイヤの必要性を軽減できる。
提案手法では, 実験中にマウスが自由に移動できる小型なフォームファクター設計を行いながら, 全体の分類精度を95%以上向上させた。
さらに、この設計の電力効率性やSTT-RAM(Spin Transfer Torque Magnetic Random Access Memory)の取り外し可能なストレージとしての使用により、ヘッドステージは最大4日間小さなバッテリーで容易に操作できる。
関連論文リスト
- Emulating insect brains for neuromorphic navigation [2.363032911160697]
本研究では,このニューラルネットワークをニューロモルフィック混合信号プロセッサBrainScaleS-2上でエミュレートし,ミツバチを誘導する。
環境、感覚器官、脳、アクチュエーター、仮想体を含む全ての実体は、単一のBrainScaleS-2マイクロチップで自律的に実行される。
BrainScaleS-2は、生物学の1000倍の速さで神経プロセスをエミュレートするので、320世代にまたがる4800回のハチの旅は、1つのニューロモルフィックコア上でわずか半時間以内に起こる。
論文 参考訳（メタデータ） (2023-12-31T12:05:42Z) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳（メタデータ） (2023-06-14T13:34:13Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Learnable latent embeddings for joint behavioral and neural analysis [3.6062449190184136]
CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然映画の高速かつ高精度な復号化に利用できることを示す。
我々は、その精度を検証し、カルシウムと電気生理学の両方のデータセット、感覚と運動のタスク、そして種全体にわたる単純または複雑な振る舞いにその有用性を実証する。
論文 参考訳（メタデータ） (2022-04-01T19:19:33Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - 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) - Rapid detection and recognition of whole brain activity in a freely
behaving Caenorhabditis elegans [18.788855494800238]
本稿では,脳神経節ニューロンの長期的,迅速な認識のためのカスケードソリューションを提案する。
少数のトレーニングサンプルの制約の下で、ボトムアップアプローチでは、各ボリューム – 1024倍1024倍18ドル – を1秒未満で処理することができます。
我々の研究は、動物行動に基づく脳の活動全体をデコードするための、迅速かつ完全に自動化されたアルゴリズムに向けた重要な発展を示している。
論文 参考訳（メタデータ） (2021-09-22T01:33:54Z) - Neuroevolution of a Recurrent Neural Network for Spatial and Working
Memory in a Simulated Robotic Environment [57.91534223695695]
我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。
提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
論文 参考訳（メタデータ） (2021-02-25T02:13:52Z) - Controllable reset behavior in domain wall-magnetic tunnel junction
artificial neurons for task-adaptable computation [1.4505273244528207]
ドメイン壁-磁気トンネル接合(DW-MTJ)デバイスは、生物学的ニューロンの挙動を本質的に捉えることができることが示されている。
そこで本研究では,DW-MTJ人工ニューロンにおいて,3つの代替メカニズムを用いてエジラックス動作を実装可能であることを示す。
論文 参考訳（メタデータ） (2021-01-08T16:50:29Z) - 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。