論文の概要: Integration of Contrastive Predictive Coding and Spiking Neural Networks

• arxiv url: http://arxiv.org/abs/2506.09194v1
• Date: Tue, 10 Jun 2025 19:23:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:01.971155
• Title: Integration of Contrastive Predictive Coding and Spiking Neural Networks
• Title（参考訳）: コントラスト予測符号化とスパイクニューラルネットワークの統合
• Authors: Emirhan Bilgiç, Neslihan Serap Şengör, Namık Berk Yalabık, Yavuz Selim İşler, Aykut Görkem Gelen, Rahmi Elibol,
• Abstract要約: 本研究では、コントラスト予測符号化(CPC)とスパイキングニューラルネットワーク(SNN)の統合について検討する。 本研究の目的は,スパイクベースシステムにおける入力と出力の処理により,生物的妥当性の高い予測的符号化モデルを開発することである。 この研究は、CPCとSNNを効果的に組み合わせることを示し、分類タスクのために訓練されたSNNが符号化機構として機能することも示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study examines the integration of Contrastive Predictive Coding (CPC) with Spiking Neural Networks (SNN). While CPC learns the predictive structure of data to generate meaningful representations, SNN mimics the computational processes of biological neural systems over time. In this study, the goal is to develop a predictive coding model with greater biological plausibility by processing inputs and outputs in a spike-based system. The proposed model was tested on the MNIST dataset and achieved a high classification rate in distinguishing positive sequential samples from non-sequential negative samples. The study demonstrates that CPC can be effectively combined with SNN, showing that an SNN trained for classification tasks can also function as an encoding mechanism. Project codes and detailed results can be accessed on our GitHub page: https://github.com/vnd-ogrenme/ongorusel-kodlama/tree/main/CPC_SNN
• Abstract（参考訳）: 本研究では、コントラスト予測符号化(CPC)とスパイキングニューラルネットワーク(SNN)の統合について検討する。 CPCは有意義な表現を生成するためにデータの予測構造を学ぶが、SNNは時間とともに生物学的ニューラルネットワークの計算プロセスを模倣する。 本研究では,スパイクベースシステムにおいて,入力と出力を処理し,生物的妥当性の高い予測的符号化モデルを構築することを目的とする。 提案手法は,MNISTデータセットを用いて実験を行い,非逐次負検体と正の逐次検体を区別し,高い分類率を達成した。 この研究は、CPCとSNNを効果的に組み合わせることを示し、分類タスクのために訓練されたSNNが符号化機構として機能することも示している。 プロジェクトコードと詳細な結果はGitHubのページにアクセスできます。

関連論文リスト

• Unveiling the Power of Sparse Neural Networks for Feature Selection [60.50319755984697]
  スパースニューラルネットワーク(SNN)は、効率的な特徴選択のための強力なツールとして登場した。 動的スパーストレーニング(DST)アルゴリズムで訓練されたSNNは、平均して50%以上のメモリと55%以上のFLOPを削減できることを示す。 以上の結果から,DSTアルゴリズムで訓練したSNNによる特徴選択は,平均して50ドル以上のメモリと55%のFLOPを削減できることがわかった。
  論文  参考訳（メタデータ） (2024-08-08T16:48:33Z)
• Advancing Spiking Neural Networks for Sequential Modeling with Central Pattern Generators [47.371024581669516]
  スパイキングニューラルネットワーク(SNN)は、人工ニューラルネットワークを開発するための有望なアプローチである。 SNNをテキスト分類や時系列予測といったシーケンシャルなタスクに適用することは、効果的でハードウェアフレンドリーなスパイク形式の位置符号化戦略を作成するという課題によって妨げられている。 CPG-PEと呼ばれる新しいSNNのためのPE手法を提案する。我々は、一般的に使われているsinusoidal PEが、数学的に特定のCPGの膜電位ダイナミクスの特定の解であることを実証する。
  論文  参考訳（メタデータ） (2024-05-23T09:39:12Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
  脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。 これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。 本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
  論文  参考訳（メタデータ） (2023-05-26T02:52:12Z)
• Intelligence Processing Units Accelerate Neuromorphic Learning [52.952192990802345]
  スパイキングニューラルネットワーク(SNN)は、エネルギー消費と遅延の観点から、桁違いに改善されている。 我々は、カスタムSNN PythonパッケージsnnTorchのIPU最適化リリースを提示する。
  論文  参考訳（メタデータ） (2022-11-19T15:44:08Z)
• Biological neurons act as generalization filters in reservoir computing [0.0]
  貯留層計算(Reservoir computing)は、時系列データを処理するための高次元非線形システムの過渡ダイナミクスを変換する機械学習パラダイムである。 ここでは、オプトジェネティクスと蛍光カルシウムイメージングを用いて、培養生体神経ネットワーク(BNN)の多細胞応答を記録する。 線形デコーダを用いて静的な入力パターンの分類にモジュールBNNを用いることができ、BNNのモジュラリティは分類精度と正に相関することを示す。
  論文  参考訳（メタデータ） (2022-10-06T13:32:26Z)
• Convolutional Spiking Neural Networks for Detecting Anticipatory Brain Potentials Using Electroencephalogram [0.21847754147782888]
  スパイキングニューラルネットワーク(SNN)は、生体系におけるシナプス接続を模倣しスパイクトレインを発生させるため、注目を集めている。 近年,畳み込みネットワークの特徴抽出能力とSNNの計算効率を組み合わせた畳み込み層が導入された。 本稿では、畳み込みスパイクニューラルネットワーク(CSNN)を用いて、予測速度の遅い大脳皮質電位を検出することの実現可能性について検討する。
  論文  参考訳（メタデータ） (2022-08-14T19:04:15Z)
• Multi-Sample Online Learning for Spiking Neural Networks based on Generalized Expectation Maximization [42.125394498649015]
  スパイキングニューラルネットワーク(SNN)は、バイナリニューラルダイナミックアクティベーションを通じて処理することで、生物学的脳の効率の一部をキャプチャする。 本稿では, シナプス重みを共有しながら, 独立したスパイキング信号をサンプリングする複数のコンパートメントを活用することを提案する。 鍵となる考え方は、これらの信号を使ってログライクなトレーニング基準のより正確な統計的推定と勾配を求めることである。
  論文  参考訳（メタデータ） (2021-02-05T16:39:42Z)
• Multi-Sample Online Learning for Probabilistic Spiking Neural Networks [43.8805663900608]
  スパイキングニューラルネットワーク(SNN)は、推論と学習のための生物学的脳の効率の一部をキャプチャする。 本稿では,一般化予測最大化(GEM)に基づくオンライン学習ルールを提案する。 標準ニューロモルフィックデータセットにおける構造化された出力記憶と分類実験の結果,ログの類似性,精度,キャリブレーションの点で大きな改善が見られた。
  論文  参考訳（メタデータ） (2020-07-23T10:03:58Z)
• File Classification Based on Spiking Neural Networks [0.5065947993017157]
  スパイクニューラルネットワーク(SNN)に基づく大規模データセットにおけるファイル分類システムを提案する。 提案システムは、推論タスクに対する古典的機械学習アルゴリズムの代替として有効なものである可能性がある。
  論文  参考訳（メタデータ） (2020-04-08T11:50:29Z)

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。