時間非同期性と手続き接続性を用いた活動追跡による大規模ニューラルネットワークシミュレーションのスケーラビリティ【JST・京大機械翻訳】

Mascart, C.; Scarella, G.; Reynaud-Bouret, P.; Muzy, A.

プレプリント

J-GLOBAL ID：202202207519895828 整理番号：21P0257606

時間非同期性と手続き接続性を用いた活動追跡による大規模ニューラルネットワークシミュレーションのスケーラビリティ【JST・京大機械翻訳】

Scalability of large neural network simulations via activity tracking with time asynchrony and procedural connectivity

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年05月07日プレプリントサーバーでの情報更新日： 2022年05月07日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

時間非同期性の性質を満足する大規模ニューラルネットワークのランダムモデルを効率的にシミュレートする新しいアルゴリズムを提案した。モデルパラメータ(平均発火率,ニューロン数,シナプス結合確率およびシナプス後持続時間)は,小哺乳類脳またはヒト脳領域の大きさのオーダーである。活動追跡と手続き接続(シナプスの動的再生)の使用を通して,このアルゴリズムの計算と記憶複雑性は,ニューロンの数とともに理論的に線形であることを証明した。これらの結果を,等価デスクトップコンピュータの単一スレッドを用いて数分間で走る数百万のニューロンと10億のシナプスの逐次シミュレーションにより実験的に検証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

脳・神経系モデル , 中枢神経系

, , , , , , ,

前のページに戻る