論文の概要: Neuromorphic Online Clustering and Its Application to Spike Sorting
- arxiv url: http://arxiv.org/abs/2506.12555v1
- Date: Sat, 14 Jun 2025 15:53:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:46.424938
- Title: Neuromorphic Online Clustering and Its Application to Spike Sorting
- Title（参考訳）: ニューロモルフィックオンラインクラスタリングとスパイクソーティングへの応用
- Authors: James E. Smith,
- Abstract要約: 動的オンラインクラスタリングが可能な基本的なニューラルネットワーク構築ブロックとして,ニューロモルフィックデンドライトを開発した。
ニューロモルフィックデンドライトの特徴と能力は、実験的神経科学(スパイクソート)のベンチマークによって示される。
提案したデンドライトの精度は、より計算集約的でオフラインなk平均クラスタリング手法と比較される。
- 参考スコア（独自算出の注目度）: 0.783218941317936
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Active dendrites are the basis for biologically plausible neural networks possessing many desirable features of the biological brain including flexibility, dynamic adaptability, and energy efficiency. A formulation for active dendrites using the notational language of conventional machine learning is put forward as an alternative to a spiking neuron formulation. Based on this formulation, neuromorphic dendrites are developed as basic neural building blocks capable of dynamic online clustering. Features and capabilities of neuromorphic dendrites are demonstrated via a benchmark drawn from experimental neuroscience: spike sorting. Spike sorting takes inputs from electrical probes implanted in neural tissue, detects voltage spikes (action potentials) emitted by neurons, and attempts to sort the spikes according to the neuron that emitted them. Many spike sorting methods form clusters based on the shapes of action potential waveforms, under the assumption that spikes emitted by a given neuron have similar shapes and will therefore map to the same cluster. Using a stream of synthetic spike shapes, the accuracy of the proposed dendrite is compared with the more compute-intensive, offline k-means clustering approach. Overall, the dendrite outperforms k-means and has the advantage of requiring only a single pass through the input stream, learning as it goes. The capabilities of the neuromorphic dendrite are demonstrated for a number of scenarios including dynamic changes in the input stream, differing neuron spike rates, and varying neuron counts.
- Abstract（参考訳）: 活性デンドライトは、柔軟性、動的適応性、エネルギー効率など、生物学的脳の多くの望ましい特徴を有する生物学的に可塑性ニューラルネットワークの基礎である。
従来の機械学習の表記言語を用いた活性デンドライトの定式化をスパイキングニューロン定式化の代替として進める。
この定式化に基づいて、ニューロモルフィックデンドライトは、動的オンラインクラスタリングが可能な基本的なニューラルネットワークビルディングブロックとして開発されている。
ニューロモルフィックデンドライトの特徴と能力は、実験的神経科学(スパイクソート)のベンチマークによって示される。
スパイクソートは神経組織に埋め込まれた電気プローブから入力を受け取り、ニューロンから放出される電圧スパイク(作用電位)を検出し、それを放出したニューロンに従ってスパイクをソートしようとする。
多くのスパイクソート法は、与えられたニューロンによって放出されるスパイクが類似した形状を持ち、従って同じクラスターにマッピングされるという仮定のもと、作用電位波形の形状に基づいてクラスターを形成する。
合成スパイク形状のストリームを用いて,提案したデンドライトの精度を,より計算集約的でオフラインなk平均クラスタリング手法と比較した。
全体として、デンドライトはk平均よりも優れており、入力ストリームを1回だけパスするだけでよいという利点がある。
ニューロモルフィックデンドライトの能力は、入力ストリームの動的変化、異なるニューロンスパイクレート、異なるニューロン数など、様々なシナリオで実証されている。
関連論文リスト
- NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [68.89389652724378]
NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。
内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。
NOBLEは、実際の実験データに基づいて検証された最初のスケールアップされたディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2025-06-05T01:01:18Z) - Dendritic Computing with Multi-Gate Ferroelectric Field-Effect Transistors [4.6578951738398064]
本稿では,デンドライトを模した多ゲート強誘電体電界効果トランジスタを用いた新しいニューロン設計を提案する。
樹状ニューロンを組み込んだネットワークは,デンドライトのないはるかに大きなネットワークに比べて優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2025-05-02T23:59:08Z) - Fast gradient-free activation maximization for neurons in spiking neural networks [5.805438104063613]
このようなループのための効率的な設計のフレームワークを提案する。
トレーニング中の人工ニューロンの最適刺激の変化を追跡する。
この洗練された最適刺激の形成は、分類精度の増大と関連している。
論文 参考訳（メタデータ） (2023-12-28T18:30:13Z) - A versatile circuit for emulating active biological dendrites applied to
sound localisation and neuron imitation [0.0]
我々は,利得を示し,遅延を導入し,統合を行うデンドライトのセグメントをエミュレートする汎用回路を導入する。
また、デンドライトが破裂するニューロンを形成できることもわかりました。
この重要な発見は、デンドライト回路のみからなるニューラルネットワークを作る可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-25T09:42:24Z) - Equivalence of Additive and Multiplicative Coupling in Spiking Neural
Networks [0.0]
スパイキングニューラルネットワークモデルは、生物学的ニューロンの回路の創発的集団力学を特徴付ける。
加法結合を持つスパイクニューラルネットワークモデルは乗法結合を持つモデルと等価であることを示す。
論文 参考訳（メタデータ） (2023-03-31T20:19:11Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳（メタデータ） (2021-02-15T08:19:05Z)
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。