文献

J-GLOBAL ID：202202258865612917   整理番号：22A0960093

スパイクによる効率的な処理および学習に向けて:マルチスパイク学習のための新しいアプローチ【JST・京大機械翻訳】

Toward Efficient Processing and Learning With Spikes: New Approaches for Multispike Learning

著者 (6件)： Yu Qiang (Tianjin Key Laboratory of Cognitive Computing and Application, College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Li Shenglan (Tianjin Key Laboratory of Cognitive Computing and Application, College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Tang Huajin (College of Computer Science and Technology, Zhejiang University, Hangzhou, China) ,  Wang Longbiao (Tianjin Key Laboratory of Cognitive Computing and Application, College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Dang Jianwu (Tianjin Key Laboratory of Cognitive Computing and Application, College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Tan Kay Chen (Department of Computer Science, City University of Hong Kong, Hong Kong)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 52  号： 3  ページ： 1364-1376  発行年： 2022年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  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： スパイクは,情報伝送と処理のための中枢神経系における通貨である。また,それらは生物系の低電力消費において本質的な役割を果たすと考えられ,その効率は神経形態学的コンピューティングの分野への注目を深める。しかし,離散スパイクの効率的な処理および学習は,依然として挑戦的な問題である。本論文では,この方向に対する貢献を行った。インパルス関数でモデル化される膜電位に対するシナプス入力と発火出力の両方の影響で,単純化スパイキングニューロンモデルを最初に導入した。次に,イベント駆動方式を提示して,処理効率をさらに改善した。ニューロンモデルに基づいて,著者らは,関連,分類,および特徴検出を含む,様々なタスクに関する他のベースラインより優れた性能を示す2つの新しいマルチスパイク学習ルールを提案する。効率に加えて,著者らの学習ルールは,異なるタイプの強い雑音に対して高いロバスト性を示した。また,それらは分類タスクのための異なるスパイク符号化方式に一般化でき,特に単一ニューロンは学習規則でマルチカテゴリ分類を解決できる。特徴検出タスクにおいて,教師なしスパイクタイミング依存塑性の能力をその限界で再検討し,選択性を失う新しい現象を見出した。対照的に,提案学習ルールは,応用される特定の制約なしに,広範囲の条件にわたってタスクを信頼性良く解くことができる。さらに,著者らの規則は特徴を検出するだけでなく,それらを識別できる。著者らの方法の改良性能は,好ましい選択として神経形態学的コンピューティングに寄与するであろう。Copyright 2022 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： 塑性 ,  雑音 ,  *学習 ,  簡素化 ,  信頼性 ,  ニューロン ,  膜電位 ,  シナプス ,  中枢神経系 ,  基準線 ,  ロバスト性
準シソーラス用語： 神経回路網モデル ,  学習則 ,  特徴検出 ,  神経形態学 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： スパイク ,  学習 ,  マルチ