論文の概要: Modality-Dependent Memory Mechanisms in Cross-Modal Neuromorphic Computing

• arxiv url: http://arxiv.org/abs/2512.18575v1
• Date: Sun, 21 Dec 2025 03:18:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.404386
• Title: Modality-Dependent Memory Mechanisms in Cross-Modal Neuromorphic Computing
• Title（参考訳）: クロスモーダルニューロモーフィックコンピューティングにおけるモーダリティ依存記憶機構
• Authors: Effiong Blessing, Chiung-Yi Tseng, Somshubhra Roy, Junaid Rehman, Isaac Nkrumah,
• Abstract要約: メモリ拡張スパイキングニューラルネットワーク(SNN)はエネルギー効率の良いニューロモルフィックコンピューティングを約束する。 本研究は,SNNにおけるメモリ機構の総合的クロスモーダルアブレーション研究である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Memory-augmented spiking neural networks (SNNs) promise energy-efficient neuromorphic computing, yet their generalization across sensory modalities remains unexplored. We present the first comprehensive cross-modal ablation study of memory mechanisms in SNNs, evaluating Hopfield networks, Hierarchical Gated Recurrent Networks (HGRNs), and supervised contrastive learning (SCL) across visual (N-MNIST) and auditory (SHD) neuromorphic datasets. Our systematic evaluation of five architectures reveals striking modality-dependent performance patterns: Hopfield networks achieve 97.68% accuracy on visual tasks but only 76.15% on auditory tasks (21.53 point gap), revealing severe modality-specific specialization, while SCL demonstrates more balanced cross-modal performance (96.72% visual, 82.16% audio, 14.56 point gap). These findings establish that memory mechanisms exhibit task-specific benefits rather than universal applicability. Joint multi-modal training with HGRN achieves 94.41% visual and 79.37% audio accuracy (88.78% average), matching parallel HGRN performance through unified deployment. Quantitative engram analysis confirms weak cross-modal alignment (0.038 similarity), validating our parallel architecture design. Our work provides the first empirical evidence for modality-specific memory optimization in neuromorphic systems, achieving 603x energy efficiency over traditional neural networks.
• Abstract（参考訳）: メモリ拡張スパイクニューラルネットワーク(SNN)はエネルギー効率のよいニューロモルフィックコンピューティングを約束するが、知覚的モダリティをまたいだ一般化は未解明のままである。 本稿では,SNNにおけるメモリ機構の総合的解析,ホップフィールドネットワーク,階層的Gated Recurrent Networks (HGRNs) の評価,視覚的 (N-MNIST) と聴覚的 (SHD) ニューロモルフィックデータセットを用いた教師付きコントラスト学習(SCL) を提案する。 ホップフィールドネットワークは視覚タスクでは97.68%の精度を達成しているが、聴覚タスクでは76.15%しか達成していない(21.53ポイントギャップ)。 これらの結果は、メモリ機構が普遍的適用性よりもタスク固有の利点を示すことを証明している。 HGRNとの共同マルチモーダルトレーニングでは、94.41%の視覚的精度と79.37%のオーディオ精度(平均88.78%)が達成され、並列HGRNのパフォーマンスは統合されたデプロイメントによって一致している。 定量的なエングラム解析により、弱いクロスモーダルアライメント(0.038の類似性)が確認され、並列アーキテクチャの設計が検証される。 我々の研究は、ニューロモルフィックシステムにおけるモーダリティ固有のメモリ最適化に関する最初の実証的な証拠を提供し、従来のニューラルネットワークよりも603倍のエネルギー効率を実現した。

関連論文リスト

• Efficient Eye-based Emotion Recognition via Neural Architecture Search of Time-to-First-Spike-Coded Spiking Neural Networks [52.617096567601344]
  Time-to-first-Spike (TTFS)で符号化されたスパイクニューラルネットワーク(SNN)は、アイベースの感情認識に有望なソリューションを提供する。 TTFS-ERは、目に基づく感情認識のためにTTFS SNN用に設計された最初のニューラルネットワーク検索フレームワークである。 ニューロモルフィックハードウェア上に展開すると、TNAS-ERは48ミリ秒の低レイテンシと0.05Jのエネルギー消費を達成する。
  論文  参考訳（メタデータ） (2025-12-02T06:35:49Z)
• Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [86.28783985254431]
  従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場 本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:06Z)
• Advancing the Biological Plausibility and Efficacy of Hebbian Convolutional Neural Networks [0.0]
  本稿では,画像処理のための畳み込みニューラルネットワーク(CNN)へのヘビアン学習の統合について述べる。 ヘビアン学習は、局所的な教師なしの神経情報に基づいて特徴表現を形成する。 その結果, より複雑で受容的な領域を通じて, まばらな階層的学習の徴候がみられた。
  論文  参考訳（メタデータ） (2025-01-06T12:29:37Z)
• Quantized Context Based LIF Neurons for Recurrent Spiking Neural Networks in 45nm [0.3332435791857516]
  本研究では,コンテキストベースリカレントスパイクニューラルネットワーク(RSNN)の最初のハードウェア実装を提案する。 本稿では,RSNNのスパース活動を利用したハードウェア・ソフトウェア・コード署名手法により開発されたCLIFニューロン(qCLIF)の量子化バージョンについて述べる。 我々の分析は10から200qCLIFニューロンのネットワーク構成にまたがっており、最大82kのシナプスを1.86mm2のフットプリントでサポートし、スケーラビリティと効率性を実証している。
  論文  参考訳（メタデータ） (2024-04-28T04:32:44Z)
• MCI Detection using fMRI time series embeddings of Recurrence plots [5.340644246815989]
  本研究では,耳障りな利害の地域(ROI)において,その構造や欠如を理解するために基礎となるダイナミクスについて検討する。 この差動行動は、神経変性の理解や、健常者と軽度認知障害者(MCI)の分類の鍵となる可能性がある。 本研究では,ドセンバッハテンプレートから得られる160ROIを超える6つの脳ネットワークについて検討した。
  論文  参考訳（メタデータ） (2023-11-30T05:57:50Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• Low Precision Quantization-aware Training in Spiking Neural Networks with Differentiable Quantization Function [0.5046831208137847]
  この研究は、量子化されたニューラルネットワークの最近の進歩とスパイクニューラルネットワークのギャップを埋めることを目的としている。 これは、シグモイド関数の線形結合として表される量子化関数の性能に関する広範な研究を示す。 提案した量子化関数は、4つの人気のあるベンチマーク上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-05-30T09:42:05Z)
• 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)

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。