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

• arxiv url: http://arxiv.org/abs/2502.20415v2
• Date: Fri, 07 Mar 2025 14:18:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:22:48.862736
• 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: ニューロモルフィックコンピューティングはコンピュータ科学の新しい分野であり、生物学的脳の計算と記憶の原理を用いて情報を処理する新しい方法を作成する。 FPGA(Field Programmable Gate Arrays)は、ハードウェアニューロモルフィックアーキテクチャ(NMA)を簡単に設計できる固有の柔軟性のため、しばしば選択される。 本稿では,FPGA上に実装されたディジタルNMAの概要について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Neuromorphic computing is a relatively new discipline of computer science, where the principles of biological brain's computation and memory are used to create a new way of processing information, based on networks of spiking neurons. Those networks can be implemented as both analog and digital implementations, where for the latter, the Field Programmable Gate Arrays (FPGAs) are a frequent choice, due to their inherent flexibility, allowing the researchers to easily design hardware neuromorphic architecture (NMAs). Moreover, digital NMAs show good promise in simulating various spiking neural networks because of their inherent accuracy and resilience to noise, as opposed to analog implementations. This paper presents an overview of digital NMAs implemented on FPGAs, with a goal of providing useful references to various architectural design choices to the researchers interested in digital neuromorphic systems. We present a taxonomy of NMAs that highlights groups of distinct architectural features, their advantages and disadvantages and identify trends and predictions for the future of those architectures.
• Abstract（参考訳）: 神経形コンピューティングはコンピュータ科学の比較的新しい分野であり、生物学的脳の計算と記憶の原理を用いて、スパイキングニューロンのネットワークに基づいて情報を処理する新しい方法を作成する。 これらのネットワークはアナログとデジタルの両方の実装として実装できるが、後者の場合、FPGA(Field Programmable Gate Arrays)はその固有の柔軟性のため、研究者はハードウェアニューロモルフィックアーキテクチャ(NMA)を簡単に設計できるため、しばしば選択される。 さらに、デジタルNMAは、アナログ実装とは対照的に、固有の精度とノイズに対するレジリエンスのため、様々なスパイクニューラルネットワークをシミュレートする上で、優れた可能性を示している。 本稿では,FPGA上に実装されたディジタルNMAの概要を述べるとともに,デジタルニューロモルフィックシステムに関心のある研究者に対して,様々なアーキテクチャ設計選択への有用な参照を提供することを目的とする。 我々は、異なるアーキテクチャの特徴、その利点と欠点の群を強調し、これらのアーキテクチャの将来に関するトレンドと予測を特定するNMAの分類について述べる。

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。

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。