論文の概要: Neuromorphic Programming: Emerging Directions for Brain-Inspired Hardware

• arxiv url: http://arxiv.org/abs/2410.22352v1
• Date: Tue, 15 Oct 2024 10:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 08:20:08.052149
• Title: Neuromorphic Programming: Emerging Directions for Brain-Inspired Hardware
• Title（参考訳）: ニューロモーフィックプログラミング:脳にインスパイアされたハードウェアの新たな方向性
• Authors: Steven Abreu, Jens E. Pedersen,
• Abstract要約: 現在、ニューロモルフィックハードウェアはディープラーニングに適応した機械学習手法に依存していることが多い。 ニューロモルフィックコンピュータは、そのエネルギー効率と完全な計算能力しか利用できない場合、ディープラーニングをはるかに超える可能性を持っている。 本稿では,ニューロモルフィックコンピューティングの文脈におけるプログラミングの概念解析について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The value of brain-inspired neuromorphic computers critically depends on our ability to program them for relevant tasks. Currently, neuromorphic hardware often relies on machine learning methods adapted from deep learning. However, neuromorphic computers have potential far beyond deep learning if we can only harness their energy efficiency and full computational power. Neuromorphic programming will necessarily be different from conventional programming, requiring a paradigm shift in how we think about programming. This paper presents a conceptual analysis of programming within the context of neuromorphic computing, challenging conventional paradigms and proposing a framework that aligns more closely with the physical intricacies of these systems. Our analysis revolves around five characteristics that are fundamental to neuromorphic programming and provides a basis for comparison to contemporary programming methods and languages. By studying past approaches, we contribute a framework that advocates for underutilized techniques and calls for richer abstractions to effectively instrument the new hardware class.
• Abstract（参考訳）: 脳にインスパイアされたニューロモルフィックコンピュータの価値は、関連するタスクのためにプログラムする能力に大きく依存します。 現在、ニューロモルフィックハードウェアはディープラーニングに適応した機械学習手法に依存していることが多い。 しかし、ニューロモルフィックコンピュータは、そのエネルギー効率と完全な計算能力しか利用できなければ、ディープラーニングをはるかに超える可能性を持っている。 ニューロモルフィックプログラミングは必ずしも従来のプログラミングとは異なるものであり、プログラミングに対する考え方のパラダイムシフトを必要とする。 本稿では、ニューロモルフィックコンピューティングの文脈におけるプログラミングの概念的分析、従来のパラダイムへの挑戦、およびこれらのシステムの物理的複雑さとより密に整合した枠組みの提案について述べる。 我々の分析は、ニューロモルフィックプログラミングの基本となる5つの特徴を中心に展開し、現代のプログラミング手法や言語との比較の基礎となる。 過去のアプローチを研究することによって、未使用のテクニックを提唱するフレームワークと、新しいハードウェアクラスを効果的に実装するためのより豊かな抽象化を求めるフレームワークに貢献する。

関連論文リスト

• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
  本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。 我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。 本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T05:20:57Z)
• Neuromorphic Intermediate Representation: A Unified Instruction Set for Interoperable Brain-Inspired Computing [4.066607775161713]
  神経力学をシミュレートするニューラルネットワークとニューロモルフィックハードウェアプラットフォームが注目されている。 本稿では,デジタルニューロモルフィックシステムにおける計算の共通参照フレームを確立する。 7つのニューロモルフィックシミュレータと4つのデジタルハードウェアプラットフォームにまたがる複雑さの異なる3つのスパイクニューラルネットワークモデルを再現して実演する。
  論文  参考訳（メタデータ） (2023-11-24T18:15:59Z)
• Concepts and Paradigms for Neuromorphic Programming [0.0]
  現在、ニューロモルフィックコンピュータは、主にディープラーニングに適応した機械学習手法に限られている。 ニューロモルフィックコンピュータは、計算特性をフルパワーに活用するだけでは、ディープラーニングをはるかに超える可能性を持っている。
  論文  参考訳（メタデータ） (2023-10-27T16:48:11Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Neuromorphic Artificial Intelligence Systems [58.1806704582023]
  フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。 この記事では、そのような制限と、それらが緩和される方法について論じる。 これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
  論文  参考訳（メタデータ） (2022-05-25T20:16:05Z)
• Neurocoder: Learning General-Purpose Computation Using Stored Neural Programs [64.56890245622822]
  ニューロコーダ(Neurocoder)は、汎用計算機の全く新しいクラスである。 共有可能なモジュール型プログラムのセットから関連するプログラムを構成することで、データ応答性のある方法で“コード”を行う。 モジュールプログラムを学習し、パターンシフトを厳しく処理し、新しいプログラムが学習されると、古いプログラムを記憶する新しい能力を示す。
  論文  参考訳（メタデータ） (2020-09-24T01:39:16Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Memristors -- from In-memory computing, Deep Learning Acceleration, Spiking Neural Networks, to the Future of Neuromorphic and Bio-inspired Computing [25.16076541420544]
  機械学習は、特にディープラーニングの形で、人工知能の最近の基本的な発展のほとんどを駆動している。 ディープラーニングは、オブジェクト/パターン認識、音声と自然言語処理、自動運転車、インテリジェントな自己診断ツール、自律ロボット、知識に富んだパーソナルアシスタント、監視といった分野に成功している。 本稿では、電力効率の高いインメモリコンピューティング、ディープラーニングアクセラレーター、スパイクニューラルネットワークの実装のための潜在的なソリューションとして、CMOSハードウェア技術、memristorsを超越した小説をレビューする。
  論文  参考訳（メタデータ） (2020-04-30T16:49:03Z)

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。