文献

J-GLOBAL ID：201702233901073903   整理番号：17A1257375

EnsembleSNN:スパイキングニューラルネットワークにおけるエネルギー効率の良い認識のための分散支援STDP学習【Powered by NICT】

EnsembleSNN: Distributed assistive STDP learning for energy-efficient recognition in spiking neural networks

著者 (3件)： Panda Priyadarshini (School of Electrical and Computer Engineering, Purdue University) ,  Srinivasan Gopalakrishnan (School of Electrical and Computer Engineering, Purdue University) ,  Roy Kaushik (School of Electrical and Computer Engineering, Purdue University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2629-2635  発行年： 2017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： オンライン教師なし学習,パターン認識タスクのための神経形態学的計算システムのロバストでエネルギー効率の良い設計のための適合を持つスパイキングニューラルネットワーク(SNN)を実現するためのアンサンブルアプローチを提案した。視覚皮質において観測した集団神経活動からヒントを得て,提案EnsembleSNNアーキテクチャは入力の異なる側面に平行に作用する複数の簡単なSNNまたは集団を含んでいる。これは異なる集合を横断する入力を分解から得られた減少した連結性のおかげで,訓練の複雑さを低減する。推論の間,EnsembleSNNのすべての集団から集団的意思決定は,最終予測を得ると考えられている。個々の集団は,提案したアーキテクチャの集団的意思決定を促進するさらに入力画像の残りの部分についてのいくつかの統計量を学習することを可能にする異なる集団の予測接続を追加した。EnsembleSNNの異なる配置のMNISTデータセット上で提案アプローチの評価を行った。著者らの実験は,効率が2.8までのx改善を示し,最適化されたベースラインネットワークよりも良好であった(~2.5%)精度,最小精度劣化(~3.2%)3.7までのxの大きな改良をもたらす。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： 連結性 ,  パターン認識 ,  統計量 ,  視覚皮質 ,  意思決定 ,  計算機システム ,  教師なし学習 ,  予測 ,  *エネルギー効率 ,  計算機アーキテクチャ ,  ロバスト性 ,  *学習
準シソーラス用語： 神経活動 ,  神経形態学 ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： スパイキングニューラルネットワーク ,  エネルギー効率 ,  支援 ,  STDP ,  学習