文献
J-GLOBAL ID:201802223319796066   整理番号:18A1145425

選択的CS 無線移植可能な神経復号化のためのエネルギー効率の良いセンシングアーキテクチャ【JST・京大機械翻訳】

Selective CS: An Energy-Efficient Sensing Architecture for Wireless Implantable Neural Decoding
著者 (6件):
資料名:
巻:号:ページ: 201-210  発行年: 2018年 
JST資料番号: W2302A  ISSN: 2156-3357  CODEN: IJESLY  資料種別: 逐次刊行物 (A)
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
スパイク分類は,移植可能な神経復号化における重要なステップである。センサノードにおけるエネルギー効率問題は,システム全体に対して大きな課題である。圧縮センシング(CS)理論は,通信チャネル上のデータ量を低減することにより,この問題に取り組む可能性のある方法を提供する。しかし,圧縮されたデータの一定の伝達はまだエネルギー-ハングリーである。一方,圧縮領域における直接解析の実現可能性を数学的に実証した。この進歩は,圧縮データに関するインセンサ軽量信号解析を経験する。本論文では,圧縮解析と深い学習に基づくエネルギー効率の良い無線埋込み可能なニューラル復号化のための新しい選択的CSアーキテクチャを提案した。具体的には,センサにおける軽量粗粒スクリーニングモジュールとサーバにおける正確な微細粒解析モジュールを含む2段階分類手順を開発した。より良いエネルギー効率を達成するために,スクリーニングモジュールは,Softmax回帰によって設計される。それは,センサ端で低努力分類タスクを完成することができて,遠隔サーバにそれらの圧縮測定を送るために,高努力タスクをスクリーンすることができる。サーバ端部に位置する細粒解析は,カスタマイズされた深い残留ニューラルネットワークによって構築される。それはスパイク分類精度を促進することができるだけではなく,また,センサ内Softmaxモデルのモデル品質にも役立つ。広範な実験結果は,提案した選択的CSアーキテクチャが従来のCSアーキテクチャよりも60%以上のエネルギー節約を得ることができるが,最新のCSアーキテクチャの精度を改善することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
半導体集積回路  ,  脳・神経系モデル 

前のページに戻る