論文の概要: A versatile circuit for emulating active biological dendrites applied to
sound localisation and neuron imitation
- arxiv url: http://arxiv.org/abs/2311.12861v1
- Date: Wed, 25 Oct 2023 09:42:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 00:20:16.159634
- Title: A versatile circuit for emulating active biological dendrites applied to
sound localisation and neuron imitation
- Title（参考訳）: 音像定位とニューロン模倣に応用した活性生物デンドライトのエミュレートのための汎用回路
- Authors: Daniel John Mannion
- Abstract要約: 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。
- 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: Sophisticated machine learning struggles to transition onto battery-operated
devices due to the high-power consumption of neural networks. Researchers have
turned to neuromorphic engineering, inspired by biological neural networks, for
more efficient solutions. While previous research focused on artificial neurons
and synapses, an essential component has been overlooked: dendrites. Dendrites
transmit inputs from synapses to the neuron's soma, applying both passive and
active transformations. However, neuromorphic circuits replace these
sophisticated computational channels with metallic interconnects. In this
study, we introduce a versatile circuit that emulates a segment of a dendrite
which exhibits gain, introduces delays, and performs integration. We show how
sound localisation - a biological example of dendritic computation - is not
possible with the existing passive dendrite circuits but can be achieved using
this proposed circuit. We also find that dendrites can form bursting neurons.
This significant discovery suggests the potential to fabricate neural networks
solely comprised of dendrite circuits.
- Abstract（参考訳）: 高度化された機械学習は、ニューラルネットワークの高消費電力消費のため、バッテリー駆動デバイスへの移行に苦労している。
研究者たちは、より効率的なソリューションのために、生物学的ニューラルネットワークにインスパイアされたニューロモルフィックエンジニアリングに目を向けました。
これまでの研究は人工ニューロンとシナプスに焦点を当てていたが、重要な要素はデンドライトである。
デンドライトはシナプスからの入力をニューロンの体に伝達し、受動的および能動的変換を施す。
しかし、ニューロモルフィック回路はこれらの洗練された計算チャネルを金属配線に置き換える。
本研究では,デンドライトのセグメントをエミュレートし,ゲインを示し,遅延を導入し,統合する多目的回路を提案する。
本稿では,既存の受動的デンドライト回路では音像定位は不可能であるが,提案回路を用いて実現可能であることを示す。
また、デンドライトは破裂するニューロンを形成できる。
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。
関連論文リスト
- Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳（メタデータ） (2023-11-21T13:07:20Z) - 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) - Artificial Dendritic Computation: The case for dendrites in neuromorphic
circuits [0.0]
樹状体の計算を複製する動機について検討し,今後の試みを導くための枠組みを提案する。
我々は,BiLSTMニューラルネットワークの性能に及ぼすデンドライトの影響を評価し,デンドライト前処理がしきい値性能に必要なネットワークサイズを減らすことを発見した。
論文 参考訳（メタデータ） (2023-04-03T13:15:32Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - 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) - Phenomenological Model of Superconducting Optoelectronic Loop Neurons [0.0]
超伝導光電子ループニューロン(英: Superconducting optoelectronic loop neurons)は、大規模人工認知のためのネットワークに導かれる回路の一種である。
これまで、ループニューロンの全てのシミュレーションは、シナプス、デンドライト、ニューロンの挙動をモデル化するために第一原理回路解析を用いてきた。
ここでは、関連するシナプス、樹状突起、神経回路の挙動を捉えるためのモデリングフレームワークを紹介する。
論文 参考訳（メタデータ） (2022-10-18T16:38:35Z) - 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) - 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) - 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)
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。