Fugu-MT 論文翻訳(概要): On the Sampling Sparsity of Neuromorphic Analog-to-Spike Conversion based on Leaky Integrate-and-Fire

論文の概要: On the Sampling Sparsity of Neuromorphic Analog-to-Spike Conversion based on Leaky Integrate-and-Fire

arxiv url: http://arxiv.org/abs/2410.17441v1
Date: Tue, 22 Oct 2024 21:42:07 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-24 13:56:27.343625
Title: On the Sampling Sparsity of Neuromorphic Analog-to-Spike Conversion based on Leaky Integrate-and-Fire
Title（参考訳）: 漏洩積分に基づくニューロモルフィックアナログ-スパイク変換のサンプリング性について
Authors: Bernhard A. Moser, Michael Lunglmayr,
Abstract要約: 本稿では,Threshold-Based Representation を用いた情報符号化がアナログからスパイクへの変換に結びついていることを示す。周期感覚ニューロモルフィックエンジニアリングの伝統的な原則とは対照的に、バイオインスパイアされたイベントベースセンシングへのパラダイムシフトを追求している。
参考スコア（独自算出の注目度）: 0.46040036610482665
License:
Abstract: In contrast to the traditional principle of periodic sensing neuromorphic engineering pursues a paradigm shift towards bio-inspired event-based sensing, where events are primarily triggered by a change in the perceived stimulus. We show in a rigorous mathematical way that information encoding by means of Threshold-Based Representation based on either Leaky Integrate-and-Fire (LIF) or Send-on-Delta (SOD) is linked to an analog-to-spike conversion that guarantees maximum sparsity while satisfying an approximation condition based on the Alexiewicz norm.
Abstract（参考訳）: 周期的な知覚ニューロモルフィックエンジニアリングの伝統的な原則とは対照的に、バイオインスパイアされたイベントベースセンシングへのパラダイムシフトは、主に知覚刺激の変化によって引き起こされる。我々は,Threshold-based Representation(Threshold-based Representation)を用いて,Leaky Integrate-and-Fire(LIF)またはSend-on-Delta(SOD)のいずれかに基づく情報符号化が,Alexiewiczノルムに基づく近似条件を満たしつつ,最大範囲を保証するアナログ・ツー・スパイク変換にリンクされていることを示す。

関連論文リスト

Learning and Transferring Sparse Contextual Bigrams with Linear Transformers [47.37256334633102]
スパース・コン・ビグラム(Sparse Con Bigram)モデルを導入し、次のトークンの生成は、最後のトークンによって決定される以前の位置のスパースセットに依存する。勾配アルゴリズムを用いた一層線形変圧器を用いて,SCB学習のトレーニングダイナミクスとサンプル複雑性を解析した。下流と事前学習タスクの間に非自明な相関関係があることを証明し、事前訓練されたモデルから微調整することで、初期サンプル集約段階を回避できることを証明した。
論文参考訳（メタデータ） (2024-10-30T20:29:10Z)
A Sampling Theory Perspective on Activations for Implicit Neural Representations [73.6637608397055]
Inlicit Neural Representations (INR) は、コンパクトで微分可能なエンティティとして信号の符号化で人気を博している。サンプリング理論の観点からこれらの活性化を包括的に分析する。本研究により,INRと併用されていないシンクアクティベーションは,信号符号化に理論的に最適であることが判明した。
論文参考訳（メタデータ） (2024-02-08T05:52:45Z)
Machine Learning for the identification of phase-transitions in interacting agent-based systems: a Desai-Zwanzig example [0.0]
本稿では,エージェントモデルに対する位相遷移を平均フィールド限界でピンポイントするデータ駆動フレームワークを提案する。この目的のために、多様体学習アルゴリズムであるマップを用いて、データ駆動潜在変数の相似集合を同定する。次に、深層学習フレームワークを用いて、データ駆動座標の共形再パラメータ化を求める。
論文参考訳（メタデータ） (2023-10-29T15:07:08Z)
Transport meets Variational Inference: Controlled Monte Carlo Diffusions [5.5654189024307685]
本稿では,経路空間上の発散に着目したサンプリングおよび生成モデリングのための原理的かつ体系的な枠組みを提案する。ベイズ計算のためのemphControlled Monte Carlo Diffusion sampler (CMCD)を開発した。
論文参考訳（メタデータ） (2023-07-03T14:28:36Z)
Enhanced Distribution Modelling via Augmented Architectures For Neural ODE Flows [5.33024001730262]
本稿では、FFJORDの表現力を高めるニューラルODEベースの正規化フローであるAFFJORDを提案する。連続的な意味での連鎖則をケーブル則に一般化することにより、一般拡張形式のヤコビ行列式を導出する。 MNIST, CIFAR-10, CelebA 32x32などの合成・高次元データにおける密度推定実験の結果, AFFJORDがFFJORDよりも優れていることが示された。
論文参考訳（メタデータ） (2023-06-05T09:27:28Z)
Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文参考訳（メタデータ） (2023-04-29T00:39:50Z)
Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-06-08T04:09:13Z)
Invariant Priors for Bayesian Quadrature [8.185918509343818]
入力領域における変換の集合の下で積分の不変性を符号化する先行性について検討する。いくつかの合成および1つの実世界の応用において,標準的なベイズ二次よりも優れた性能を示す。
論文参考訳（メタデータ） (2021-12-02T19:42:04Z)
Towards Principled Disentanglement for Domain Generalization [90.9891372499545]
機械学習モデルの根本的な課題は、アウト・オブ・ディストリビューション(OOD)データへの一般化である。私たちはまず、DEC(Disentanglement-Constrained Domain Generalization)と呼ばれる制約付き最適化としてOOD一般化問題を定式化する。この変換に基づいて、結合表現の不絡合と領域一般化のための原始双対アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-11-27T07:36:32Z)
Stochastic embeddings of dynamical phenomena through variational autoencoders [1.7205106391379026]
位相空間の再構成において,観測空間の次元性を高めるために認識ネットワークを用いる。我々の検証は、このアプローチが元の状態空間に類似した状態空間を復元するだけでなく、新しい時系列を合成できることを示している。
論文参考訳（メタデータ） (2020-10-13T10:10:24Z)
An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文参考訳（メタデータ） (2020-06-19T22:05:19Z)

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。