論文の概要: On Noise Resiliency of Neuromorphic Inferential Communication in Microgrids

• arxiv url: http://arxiv.org/abs/2408.05360v1
• Date: Thu, 25 Jul 2024 17:27:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-19 04:07:11.620608
• Title: On Noise Resiliency of Neuromorphic Inferential Communication in Microgrids
• Title（参考訳）: マイクログリッドにおけるニューロモルフィック推論通信の耐雑音性について
• Authors: Yubo Song, Subham Sahoo, Xiaoguang Diao,
• Abstract要約: 本稿では, マイクログリッドにおけるニューロモルフィック推論通信の雑音抵抗性について, ケーススタディを通して検討する。 実際のシナリオにおける実装に関する洞察を提供する。
• 参考スコア（独自算出の注目度）: 1.8529626486588364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neuromorphic computing leveraging spiking neural network has emerged as a promising solution to tackle the security and reliability challenges with the conventional cyber-physical infrastructure of microgrids. Its event-driven paradigm facilitates promising prospect in resilient and energy-efficient coordination among power electronic converters. However, different from biological neurons that are focused in the literature, microgrids exhibit distinct architectures and features, implying potentially diverse adaptability in its capabilities to dismiss information transfer, which remains largely unrevealed. One of the biggest drawbacks in the information transfer theory is the impact of noise in the signaling accuracy. Hence, this article hereby explores the noise resiliency of neuromorphic inferential communication in microgrids through case studies and underlines potential challenges and solutions as extensions beyond the results, thus offering insights for its implementation in real-world scenarios.
• Abstract（参考訳）: スパイクニューラルネットワークを利用したニューロモルフィックコンピューティングは、従来のサイバー物理インフラにおけるセキュリティと信頼性の課題に取り組むための、有望なソリューションとして登場した。 イベント駆動のパラダイムは、パワー電子コンバータ間の弾力性とエネルギー効率の調整を期待する上で有効である。 しかし、文献に焦点をあてている生物学的ニューロンとは異なり、マイクログリッドは異なるアーキテクチャや特徴を示しており、情報伝達を除去する能力の多様性を示唆している。 情報伝達理論の最大の欠点の1つは、信号の精度におけるノイズの影響である。 そこで本論文では, マイクログリッドにおけるニューロモルフィック推論通信の雑音耐性について, ケーススタディを通じて検討し, 実世界のシナリオにおけるその実装に関する知見を提供する。

関連論文リスト

• CaTs and DAGs: Integrating Directed Acyclic Graphs with Transformers and Fully-Connected Neural Networks for Causally Constrained Predictions [6.745494093127968]
  CFCN(Causal Fully-Connected Neural Networks)とCaT(Causal Transformers)を紹介する。 CFCNsとCaTsは、DAG(Directed Acyclic Graph)によって規定された、予め定義された因果制約の下で動作する これらのモデルは、基盤となる構造的制約に固執しながら、従来のニューラルネットワークの強力な関数近似能力を保持します。
  論文  参考訳（メタデータ） (2024-10-18T14:10:16Z)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
  本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。 本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。 本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
  論文  参考訳（メタデータ） (2024-04-22T09:40:07Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Neuromorphic Event-Driven Semantic Communication in Microgrids [5.817656520396958]
  本稿では,各ノードにスパイキングニューラルネットワーク(SNN)を用いて通信機能を埋め込むニューロモルフィック学習を提案する。 スパイキング信号で作動する従来のニューロモルフィックセンサとは対照的に、イベント駆動選択的プロセスを用いてスパースデータを収集し、SNNの訓練を行う。
  論文  参考訳（メタデータ） (2024-02-28T15:11:02Z)
• On-demand transposition across light-matter interaction regimes in bosonic cQED [69.65384453064829]
  ボソニックcQEDは、非線形回路素子に結合した高温超伝導キャビティの光電場を用いる。 空洞コヒーレンスを劣化させることなく, 相互作用系を高速に切り替える実験を行った。 我々の研究は、単一のプラットフォーム内での光-物質相互作用のフル範囲を探索する新しいパラダイムを開く。
  論文  参考訳（メタデータ） (2023-12-22T13:01:32Z)
• Context-sensitive neocortical neurons transform the effectiveness and efficiency of neural information processing [0.783788180051711]
  ディープラーニング(DL)は、多くの現実世界のドメインの人間に匹敵する、あるいはそれ以上に優れたビッグデータ処理能力を持つ。 しかし、いくつかのアプリケーションでは持続不可能な高エネルギー要求とエラーのコストでは、しばしば発生するが、大きなものになり得る。 本研究は, 文脈に敏感な新皮質ニューロンの機能を模倣することにより, これらの制限を回避する方法を示す。
  論文  参考訳（メタデータ） (2022-07-15T08:30:33Z)
• Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural Networks [69.42260428921436]
  クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。 我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。 CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:13:36Z)
• Stochastic facilitation in heteroclinic communication channels [0.0]
  人工ニューラルネットワークで自然に現れるヘテロクリニックネットワークは、状態空間におけるサドルのネットワークである。 ヘテロクリニックネットワークの情報伝達特性について検討し,通信チャネルとして検討する。
  論文  参考訳（メタデータ） (2021-10-23T13:50:16Z)
• Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
  本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。 本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。 我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
  論文  参考訳（メタデータ） (2020-06-16T18:45:20Z)
• Evaluating complexity and resilience trade-offs in emerging memory inference machines [0.6970352368216021]
  深層ニューラルネットワークのコンパクトな実装は、予期せず、複数のシステム障害から崩壊するおそれがあることが示される。 我々の研究は、モザイクフレームワークを利用した高性能で強力なレジリエンスへの中間経路を提案する。
  論文  参考訳（メタデータ） (2020-02-25T21:40:08Z)

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。