文献

J-GLOBAL ID：201702251962157706   整理番号：17A0179592

教師なしスパイクパターン検出のための膜依存性神経形態学的学習則【Powered by NICT】

Membrane-dependent neuromorphic learning rule for unsupervised spike pattern detection

著者 (4件)： Sheik Sadique (BioCircuits Institute, UC San Diego, La Jolla, CA, USA) ,  Paul Somnath (Circuit Research Lab, Intel Corporation, Hillsboro, OR, USA) ,  Augustine Charles (Circuit Research Lab, Intel Corporation, Hillsboro, OR, USA) ,  Cauwenberghs Gert (BioCircuits Institute, UC San Diego, La Jolla, CA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BioCAS  ページ： 164-167  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： スパイクタイミングまたは内部状態変数に依存することを,シナプス可塑性のためのいくつかの学習則はスパイキングニューラルNetworkss(SNN)に計算能力を変えること過去与える提案されている。合併症設計のためにこれら学習ルールを推論できるだけであることをデバイスを残し神経形態学的デバイス上で実装された典型的ではない。本研究では,シナプス前スパイクによってトリガーのみ,ハードウェアに実装が容易であることを一方向シナプス後電位依存性学習則を提案した。はこのような学習則は機能的に対STDPの計算能力を複製できることを示した。さらに,この学習則は個々のニューロンを用いて,教師なしの形における空間-時間スパイクパターンを学習し分類するために使用できることを実証した。はこの学習則は計算的に強力で,その一方向性メモリアクセスによるハードウェア実装のための理想的であることを論じた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  シナプス ,  ニューロン ,  状態変数 ,  ハードウェア ,  *モルフォロジー ,  シナプス後電位
準シソーラス用語： ハードウェア実装 ,  メモリアクセス ,  スパイクタイミング依存シナプス可塑性 ,  シナプス可塑性 ,  神経 ,  *学習則 , 【Automatic Indexing@JST】

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 教師 ,  スパイク ,  依存性 ,  神経形態学 ,  学習則