Fugu-MT 論文翻訳(概要): A Quarter of a Century of Neuromorphic Architectures on FPGAs -- an Overview

論文の概要: A Quarter of a Century of Neuromorphic Architectures on FPGAs -- an Overview

arxiv url: http://arxiv.org/abs/2502.20415v1
Date: Sun, 23 Feb 2025 15:25:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-09 03:50:37.384348
Title: A Quarter of a Century of Neuromorphic Architectures on FPGAs -- an Overview
Title（参考訳）: FPGAにおけるニューロモルフィックアーキテクチャの1世紀 - 概観
Authors: Wiktor J. Szczerek, Artur Podobas,
Abstract要約: FPGAベースのニューロモルフィックアーキテクチャは、コンピューティングの将来について有望な視点を示している。我々は、研究者が設計に最も近い環境をよりよく理解するのに役立つ、これらのシステムのための新しい分類法を提案する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: FPGA-based neuromorphic architectures pose a promising viewpoint on the future of computing, but the efforts in this domain are disorganized, without a clear classification scheme for implemented structures. This results in the lack of consensus on what is important for specific groups of neuromorphic systems, e.g., based on the platform they are implemented on or the intended use case. Here, we review the approach to implementing such architectures on FPGAs over the last 25 years. We propose a new taxonomy for those systems that could help the researchers better understand the closest environment their designs reside in and devise new metrics that could fairly grade them against the other ideas.
Abstract（参考訳）: FPGAベースのニューロモルフィックアーキテクチャは、コンピューティングの将来について有望な視点を呈するが、この領域における取り組みは、実装された構造に対する明確な分類スキームを伴わずに、分解される。これにより、特定のニューロモーフィックシステムのグループ、例えば、それらが実装されているプラットフォームや意図されたユースケースに基づいて、何が重要なのかについてのコンセンサスが欠如する。本稿では,過去25年間のFPGA上でのアーキテクチャ実装について概観する。我々は,これらのシステムに対する新しい分類法を提案し,研究者が設計に最も近い環境をよりよく理解し,他のアイデアに対して適切な評価を行うことのできる新しい指標を考案する。

関連論文リスト

Graph Foundation Models for Recommendation: A Comprehensive Survey [55.70529188101446]
大規模言語モデル(LLM)は自然言語を処理し、理解するために設計されており、どちらも非常に効果的で広く採用されている。最近の研究はグラフ基礎モデル(GFM)に焦点を当てている。 GFM は GNN と LLM の強みを統合し,複雑な RS 問題をより効率的にモデル化する。
論文参考訳（メタデータ） (2025-02-12T12:13:51Z)
Harnessing FPGA Technology for Enhanced Biomedical Computation [0.0]
この研究は、CNN、Recurrent Neural Networks (RNN)、Long Short-Term Memory Networks (LSTMs)、Deep Belief Networks (DBNs)のような洗練されたニューラルネットワークフレームワークを掘り下げる。レイテンシやスループットなどの性能指標を評価することにより,高度なバイオメディカルコンピューティングにおけるFPGAの有効性を示す。
論文参考訳（メタデータ） (2023-11-21T08:51:58Z)
Towards Graph Foundation Models: A Survey and Beyond [66.37994863159861]
ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。基礎モデルがグラフ機械学習研究者を一般化し、適応させる能力は、新しいグラフ学習パラダイムを開発する可能性について議論する。本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
論文参考訳（メタデータ） (2023-10-18T09:31:21Z)
A Survey of Spiking Neural Network Accelerator on FPGA [0.0]
我々は最近広く使われているスパイキングニューロンモデル、ネットワーク構造、信号符号化フォーマットを収集し、FPGAベースのSNN実装のための関連するハードウェア設計スキームを列挙した。そこで本研究では,FPGA上でSNNを実装する上でのアクセラレーションの可能性について論じる。
論文参考訳（メタデータ） (2023-07-08T06:02:12Z)
NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。 NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
論文参考訳（メタデータ） (2023-04-10T15:12:09Z)
Composing Task Knowledge with Modular Successor Feature Approximators [60.431769158952626]
本稿では,新しいニューラルネットワークアーキテクチャ "Modular Successor Feature Approximator" (MSFA) を提案する。 MSFAは、SFやモジュールアーキテクチャを学ぶためのベースラインアーキテクチャと比較して、より一般化することができる。
論文参考訳（メタデータ） (2023-01-28T23:04:07Z)
A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
論文参考訳（メタデータ） (2022-12-27T18:05:02Z)
A Comprehensive Study on Large-Scale Graph Training: Benchmarking and Rethinking [124.21408098724551]
グラフニューラルネットワーク(GNN)の大規模グラフトレーニングは、非常に難しい問題である本稿では,既存の問題に対処するため,EnGCNという新たなアンサンブルトレーニング手法を提案する。提案手法は,大規模データセット上でのSOTA(State-of-the-art)の性能向上を実現している。
論文参考訳（メタデータ） (2022-10-14T03:43:05Z)
RANC: Reconfigurable Architecture for Neuromorphic Computing [1.1534748916340396]
本稿では、ニューロモルフィックコンピューティングのための再構成可能なアーキテクチャRANCを提案する。 RANCはC++シミュレーションとFPGAエミュレーションによるハードウェアによるニューロモルフィックアーキテクチャの迅速な実験を可能にする。我々は,IBMのTrueNorthの挙動を再現する能力を示すことで,RANCエコシステムの有用性を示す。 259Kの異なる神経細胞と73.3Mの異なるシナプスをエミュレートする神経型アーキテクチャを実証する。
論文参考訳（メタデータ） (2020-11-01T20:29:52Z)
Benchmarking Graph Neural Networks [75.42159546060509]
グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
論文参考訳（メタデータ） (2020-03-02T15:58:46Z)
Is my Neural Network Neuromorphic? Taxonomy, Recent Trends and Future Directions in Neuromorphic Engineering [2.179313476241343]
明確なコンセンサスはありませんが、それぞれのシステムには以下の機能があります。このようなベンチマークの基準をすべて満たす潜在的なタスクとして、脳と機械のインターフェースが示される。
論文参考訳（メタデータ） (2020-02-27T07:10:23Z)

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。