論文の概要: Bio-plausible Neuromorphic Disturbance Observer Based on Emulation Theory: Extended Version

• arxiv url: http://arxiv.org/abs/2606.05189v1
• Date: Tue, 05 May 2026 15:28:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-07 20:42:22.596405
• Title: Bio-plausible Neuromorphic Disturbance Observer Based on Emulation Theory: Extended Version
• Title（参考訳）: エミュレーション理論に基づく生体応用型ニューロモルフィック外乱オブザーバの拡張版
• Authors: Hongfu Xu, Xiaoyu Guo, Shengbo Wang, Shuo Gao,
• Abstract要約: 本稿では,ニューロモヒック障害オブザーバ(NDO)と制御フレームワークを開発する。 従来の連続時間信号表現をスパイクタイピングエンコーディングに置き換える。 適応閾値のスパイクスキームはスパイク現象を固定閾値の場合の42.6%まで減少させる。
• 参考スコア（独自算出の注目度）: 13.267463227196401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological neural systems achieve remarkable robustness and adaptability in uncertain environments through sparse, event-driven spike-based information processing and adaptive regulation. Inspired by this paradigm, this paper develops a neuromorhpic disturbance observer (NDO) and control framework that replaces conventional continuous-time signal representations with spike-timing encoding. Both disturbance estimates and control inputs are constructed via integrate-and-fire (IF) neuron dynamics from discrete spike events, yielding intrinsically event-driven updates. An adaptive-threshold triggering mechanism is inspired by spike-frequency adaptation (SFA), enabling history-dependent regulation of spike generation. Simulation results demonstrate that the proposed framework achieves neurally inspired robustness and adaptability, while the adaptive-threshold spiking scheme reduces spike events to 42.6% of the fixed-threshold case under noisy conditions.
• Abstract（参考訳）: 生体神経システムは、スパース、イベント駆動スパイクベースの情報処理および適応制御により、不確実な環境における顕著な堅牢性と適応性を達成する。 このパラダイムにインスパイアされた本研究では,従来の連続信号表現をスパイクタイピング符号化に置き換えるニューロモヒック外乱オブザーバ(NDO)と制御フレームワークを開発する。 インテグレート・アンド・ファイア(IF)ニューロンダイナミクスは、インテリジェンス推定と制御入力の両方を離散スパイクイベントから構築し、本質的にイベント駆動の更新をもたらす。 適応閾値トリガー機構はスパイク周波数適応(SFA)にインスパイアされ、スパイク発生の履歴依存的な制御を可能にする。 シミュレーションの結果, 提案手法は神経刺激による強靭性と適応性を実現し, 適応閾値スパイキング方式はスパイク現象を雑音条件下で42.6%まで減少させることがわかった。

関連論文リスト

• Knob: A Physics-Inspired Gating Interface for Interpretable and Controllable Neural Dynamics [7.965536008626047]
  Knobは、ディープラーニングと古典的な制御理論を結びつけるフレームワークである。 我々のフレームワークは、慣れ親しんだ物理アナログを通して「安定性」と「感度」をチューニングできる。
  論文  参考訳（メタデータ） (2026-02-26T07:25:22Z)
• General Self-Prediction Enhancement for Spiking Neurons [71.01912385372577]
  スパイキングニューラルネットワーク(SNN)は、イベント駆動のスパース計算によって非常にエネルギー効率が良いが、そのトレーニングは、性能、効率、生物学的妥当性の非微分可能性とトレードオフによって困難である。 本稿では,その入力出力履歴から内部予測電流を生成し,膜電位を変調する自己予測強化スパイキングニューロン法を提案する。 この設計には2つの利点があり、失明した勾配を緩和し、トレーニングの安定性と精度を高める連続的な勾配経路を作成し、また遠位樹状突起変調とエラー駆動のシナプス塑性に類似した生物学的原理と整合する。
  論文  参考訳（メタデータ） (2026-01-29T15:08:48Z)
• Sleep-Based Homeostatic Regularization for Stabilizing Spike-Timing-Dependent Plasticity in Recurrent Spiking Neural Networks [14.487258585834374]
  スパイク刺激依存性可塑性(STDP)は、スパイクニューラルネットワーク(SNN)のための生物学的に証明可能な学習メカニズムを提供する 本稿では, シナプス性ホメオスタシス仮説に着想を得たニューロモルフィック正規化手法を提案する。
  論文  参考訳（メタデータ） (2026-01-13T11:17:30Z)
• Training Deep Normalization-Free Spiking Neural Networks with Lateral Inhibition [52.59263087086756]
  深層ニューラルネットワーク(SNN)のトレーニングは、バッチ正規化のような明示的な正規化スキームに依存している。 本研究では,皮質回路にインスパイアされた側方抑制を取り入れた正規化自由学習フレームワークを提案する。 本稿では,生物リアリズムを持つ深層SNNの安定的学習を可能にするとともに,明示的な正規化に頼らずに競争性能を達成できることを述べる。
  論文  参考訳（メタデータ） (2025-09-27T11:11:30Z)
• Dendritic Resonate-and-Fire Neuron for Effective and Efficient Long Sequence Modeling [66.0841376808143]
  樹状共振器(RF)ニューロンは入力信号から効率的に周波数を抽出し、スパイク列車に符号化することができる。 RFニューロンは、複雑なタスクにおけるエネルギー効率とトレーニング速度のトレードオフとして、有効なメモリ容量が限られている。 本稿では,複数の共振器とソマアーキテクチャを明示的に組み込んだDdendritic Resonate-and-Fireモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-21T18:15:45Z)
• Game-Theoretic Gradient Control for Robust Neural Network Training [0.0]
  フィードフォワードニューラルネットワーク(FFNN)は入力ノイズに弱いため、予測性能が低下する。 本研究の目的は,バックプロパゲーションを改良し,マルチエージェントゲームとして解釈し,制御対象変数の雑音化を探索することにより,FFNN雑音の頑健性を高めることである。
  論文  参考訳（メタデータ） (2025-07-25T10:26:25Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Izhikevich-Inspired Temporal Dynamics for Enhancing Privacy, Efficiency, and Transferability in Spiking Neural Networks [0.0]
  本稿では,Poisson-BurstとDelayed-Burstの2つの入力レベル時間スパイク変換を提案する。 Poisson-Burstは入力強度に基づいてバースト発生を変調し、Delayed-Burstはバースト開始タイミングを通じて入力強度を符号化する。 これらの知見は, 神経形学習システムのプライバシー, 一般化, 生物学的妥当性向上における生物学的基盤の時間的スパイクダイナミクスの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-05-07T00:27:00Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)

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。