論文の概要: Analysis on Effects of Fault Elements in Memristive Neuromorphic Systems
- arxiv url: http://arxiv.org/abs/2312.04840v1
- Date: Fri, 8 Dec 2023 05:37:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 15:57:36.829053
- Title: Analysis on Effects of Fault Elements in Memristive Neuromorphic Systems
- Title（参考訳）: 分裂型ニューロモルフィックシステムにおける断層要素の影響の解析
- Authors: Hyun-Jong Lee, Jae-Han Lim
- Abstract要約: 本研究では,断層率,タイプ,位置を変化させる断層要素を有する分裂型ニューロモルフィックシステムの性能を解析した。
SA0 と SA1 の2種類の障害をシナプスに注入する。
- 参考スコア（独自算出の注目度）: 0.07252027234425332
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Nowadays, neuromorphic systems based on Spiking Neural Networks (SNNs)
attract attentions of many researchers. There are many studies to improve
performances of neuromorphic systems. These studies have been showing
satisfactory results. To magnify performances of neuromorphic systems,
developing actual neuromorphic systems is essential. For developing them,
memristors play key role due to their useful characteristics. Although
memristors are essential for actual neuromorphic systems, they are vulnerable
to faults. However, there are few studies analyzing effects of fault elements
in neuromorphic systems using memristors. To solve this problem, we analyze
performance of a memristive neuromorphic system with fault elements changing
fault ratios, types, and positions. We choose neurons and synapses to inject
faults. We inject two types of faults to synapses: SA0 and SA1 faults. The
fault synapses appear in random and important positions. Through our analysis,
we discover the following four interesting points. First, memristive
characteristics increase vulnerability of neuromorphic systems to fault
elements. Second, fault neuron ratios reducing performance sharply exist.
Third, performance degradation by fault synapses depends on fault types.
Finally, SA1 fault synapses improve performance when they appear in important
positions.
- Abstract（参考訳）: 近年、スパイキングニューラルネットワーク(SNN)に基づくニューロモーフィックシステムは、多くの研究者の注目を集めている。
ニューロモルフィックシステムの性能を改善するための多くの研究がある。
これらの研究は満足な結果を示している。
ニューロモルフィックシステムの性能を拡大するには、実際のニューロモルフィックシステムの開発が不可欠である。
それらの発達のために、memristorはその有用な特性のために重要な役割を果たす。
memristorは実際の神経形態システムにとって必須であるが、それらは障害に対して脆弱である。
しかし、memristorsを用いた神経形態形成系における障害要素の影響を分析する研究は少ない。
そこで本研究では,断層要素が故障率,タイプ,位置を変化させた記憶型ニューロモルフィックシステムの性能解析を行う。
障害を注入するためにニューロンとシナプスを選択します。
SA0とSA1の2種類の障害をシナプスに注入する。
断層シナプスはランダムで重要な位置に存在する。
分析の結果,以下の4点が明らかになった。
第一に、経験的特徴は、障害要素に対するニューロモルフィックシステムの脆弱性を増加させる。
第2に、性能を著しく低下させる断層ニューロン比が存在する。
第三に、フォールトシナプスによる性能劣化はフォールトタイプに依存する。
最後に、sa1フォールトシナプスは重要な位置に現れるとパフォーマンスが向上する。
関連論文リスト
- NeuroMoCo: A Neuromorphic Momentum Contrast Learning Method for Spiking Neural Networks [18.038225756466844]
本稿では脳誘発スパイキングニューラルネットワーク(SNN)のためのニューロモルフィック・モーメント・コントラスト学習(NeuroMoCo)を紹介する。
SNNにおいて、モーメントコントラスト学習に基づく自己教師型学習(SSL)が実現されたのはこれが初めてである。
DVS-CI10、DVS128Gesture、N-Caltech101の実験は、NeuroMoCoが新しい最先端(SOTA)ベンチマークを確立することを示した。
論文 参考訳（メタデータ） (2024-06-10T14:20:48Z) - 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) - Visual Analytics of Neuron Vulnerability to Adversarial Attacks on
Convolutional Neural Networks [28.081328051535618]
畳み込みニューラルネットワーク(CNN)に対する敵対的攻撃は、高性能CNNを騙して誤った予測をする可能性がある。
我々の研究は、敵の攻撃を理解するための視覚分析手法を導入している。
視覚分析システムは、敵対的攻撃を解釈するための視覚的推論を組み込むように設計されている。
論文 参考訳（メタデータ） (2023-03-06T01:01:56Z) - 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) - Astromorphic Self-Repair of Neuromorphic Hardware Systems [0.8958368012475248]
本稿では,グリア細胞の自己修復,特にアストロサイトの役割について検討する。
ハードウェア・ソフトウェアの共同設計分析は、生体形態の天体制御が、ハードウェアの現実的な欠陥を自己修復する可能性があることを明らかにしている。
論文 参考訳（メタデータ） (2022-09-15T16:23:45Z) - Modeling Associative Plasticity between Synapses to Enhance Learning of
Spiking Neural Networks [4.736525128377909]
Spiking Neural Networks(SNN)は、ニューラルネットワークの第3世代であり、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする。
本稿では,シナプス間の結合可塑性をモデル化し,頑健で効果的な学習機構を提案する。
本手法は静的および最先端のニューロモルフィックデータセット上での優れた性能を実現する。
論文 参考訳（メタデータ） (2022-07-24T06:12:23Z) - Cortico-cerebellar networks as decoupling neural interfaces [1.1879716317856945]
脳は信用代入問題を著しく解決する。
ニューラルネットワークにまたがってクレジットを割り当てるには、原則として、特定のニューラルネットワーク計算が完了するのを待つ必要がある。
ディープラーニングの手法は、フォワードとフィードバックのフェーズの両方で、同様のロックの制約に悩まされる。
そこで本研究では、大脳皮質がDNIと同様のロック問題を解くのに役立つ特化脳野である小脳を提案する。
論文 参考訳（メタデータ） (2021-10-21T22:02:38Z) - ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。
Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。
純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文 参考訳（メタデータ） (2021-03-26T02:42:38Z) - Artificial Neural Variability for Deep Learning: On Overfitting, Noise
Memorization, and Catastrophic Forgetting [135.0863818867184]
人工ニューラルネットワーク(ANV)は、ニューラルネットワークが自然のニューラルネットワークからいくつかの利点を学ぶのに役立つ。
ANVは、トレーニングデータと学習モデルの間の相互情報の暗黙の正則化として機能する。
過度にフィットし、ノイズの記憶をラベル付けし、無視できるコストで破滅的な忘れを効果的に軽減することができる。
論文 参考訳（メタデータ） (2020-11-12T06:06:33Z) - 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。