JP2016536657A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2016536657A5 JP2016536657A5 JP2016516530A JP2016516530A JP2016536657A5 JP 2016536657 A5 JP2016536657 A5 JP 2016536657A5 JP 2016516530 A JP2016516530 A JP 2016516530A JP 2016516530 A JP2016516530 A JP 2016516530A JP 2016536657 A5 JP2016536657 A5 JP 2016536657A5
- Authority
- JP
- Japan
- Prior art keywords
- population
- parameters
- type
- artificial
- synapse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000002569 neurons Anatomy 0.000 claims 45
- 210000000225 Synapses Anatomy 0.000 claims 42
- 230000001537 neural Effects 0.000 claims 6
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 claims 4
- 210000000653 nervous system Anatomy 0.000 claims 3
- 238000004590 computer program Methods 0.000 claims 2
- 229960003638 dopamine Drugs 0.000 claims 2
- 230000001242 postsynaptic Effects 0.000 claims 2
- 230000001419 dependent Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 230000000946 synaptic Effects 0.000 claims 1
Claims (15)
- 人工神経系を操作するための方法であって、
前記人工神経系のシナプスの第1の集団または人工ニューロンの第1の集団のうちの少なくとも1つを第1のグループタグに割り当てることと、ここにおいて、前記第1のグループタグが、第1のセットのパラメータと、第1のシナプスタイプまたは第1のニューロンタイプのうちの少なくとも1つとに関連付けられる、
前記人工神経系のシナプスの第2の集団または人工ニューロンの第2の集団のうちの少なくとも1つを第2のグループタグに割り当てることと、ここにおいて、前記第2のグループタグが、第2のセットのパラメータと、第2のシナプスタイプまたは第2のニューロンタイプのうちの少なくとも1つとに関連付けられる、
前記第1の集団または前記第2の集団のうちの少なくとも1つにおける1つまたは複数のシナプス、あるいは、前記第1の集団または前記第2の集団のうちの少なくとも1つにおける1つまたは複数の人工ニューロンのうちの少なくとも1つについての1つまたは複数のパラメータの変更をもたらす、前記第1のセットのパラメータまたは前記第2のセットのパラメータのうちの少なくとも1つにおける前記1つまたは複数のパラメータを変更することと、
前記人工ニューロンのうちの1つまたは複数、あるいは前記シナプスのうちの1つまたは複数のうちの少なくとも1つを、前記第1のグループタグと第2のグループタグの両方でタグ付けすることと、ここにおいて、
i)前記第1の集団および第2の集団は、前記第1のセットのパラメータおよび第2のセットのパラメータのうちの少なくとも1つまたは複数が異なる、または、
ii)前記第1のシナプスタイプおよび第2のシナプスタイプまたは前記第1のニューロンタイプおよび第2のニューロンタイプは、互いに異なる、
を備える、方法。 - 前記第1のシナプスタイプおよび第2のシナプスタイプに関連付けられるパラメータを変更することが、前記第1の集団および第2の集団におけるすべてのシナプスのためにこれらのパラメータを変更することをもたらすことと、
前記第1のニューロンタイプおよび第2のニューロンタイプに関連付けられる他のパラメータを変更することが、前記第1の集団および第2の集団におけるすべての人工ニューロンのためにこれらの他のパラメータを変更することをもたらすこととをさらに備える、請求項1に記載の方法。 - 前記第1のセットのパラメータおよび第2のセットのパラメータが、可塑性を有効にするためのフラグ、可塑性を無効にするためのフラグ、シナプス後電位(PSP)転送のためのフラグ、ドーパミンのためのフラグ、恒常性有効フラグ、恒常性無効フラグ、可塑性有効フラグ、または可塑性無効フラグのうちの少なくとも1つを備える、請求項1に記載の方法。
- 可塑性を有効にするための前記フラグと、可塑性を無効にするための前記フラグと、シナプス後電位(PSP)転送のための前記フラグと、ドーパミンのための前記フラグとを同時に制御することをさらに備える、請求項3に記載の方法。
- 前記第1のシナプスタイプおよび第2のシナプスタイプに関連付けられるパラメータが、スパイクタイミング依存可塑性(STDP)テーブル、リソースモデル、または可塑性パラメータのうちの少なくとも1つを備える、請求項1に記載の方法。
- 前記第1のセットおよび第2のセットにおけるパラメータを同時に制御することをさらに備える、請求項1に記載の方法。
- 前記第1のシナプスタイプが前記第2のシナプスタイプと同じであり、
前記第1のニューロンタイプが前記第2のニューロンタイプと同じであり、前記方法が、
前記第1のセットおよび第2のセットにおけるパラメータを、異なる時間インスタントで変更することをさらに備え、
前記第1のセットにおけるパラメータの値が、前記第2のセットにおけるそのパラメータの値とは異なる、請求項1に記載の方法。 - シナプスの前記第1の集団および第2の集団が、同じレイヤまたは同じタイプのうちの少なくとも1つのシナプスのセットのサブセットであり、
人工ニューロンの前記第1の集団および第2の集団が、同じレイヤまたは同じタイプのうちの少なくとも1つの人工ニューロンのセットのサブセットである、請求項1に記載の方法。 - 前記第1のセットおよび第2のセットにおけるパラメータが、前記第1のシナプスタイプおよび第2のシナプスタイプに関連付けられるパラメータから外される、請求項1に記載の方法。
- 前記第1のセットおよび第2のセットにおける少なくとも1つのパラメータが、前記第1のシナプスタイプおよび第2のシナプスタイプに関連付けられる少なくとも1つのパラメータと共通であり、前記方法が、
前記第1のセットおよび第2のセットにおける前記少なくとも1つのパラメータに基づいて、前記第1のシナプスタイプおよび第2のシナプスタイプに関連付けられる前記少なくとも1つのパラメータをオーバーライドすることをさらに備える、請求項1に記載の方法。 - 前記第1のグループタグまたは前記第2のグループタグのうちの少なくとも1つが動的に割り当てられる、請求項1に記載の方法。
- i)第1のグループタグまたは第2のグループタグのうちの前記少なくとも1つを動的に割り当てることが、しきい値を下回る重みを有するシナプスの前記第1の集団、またはシナプスの前記第2の集団のうちの少なくとも1つのシナプスに関連付けられる、または、
ii)第1のグループタグまたは第2のグループタグのうちの前記少なくとも1つを動的に割り当てることが、
再割振りまたは構造可塑性のうちの少なくとも1つのために、シナプスの前記第1の集団または第2の集団のうちの少なくとも1つの十分に活用されていないシナプス、および人工ニューロンの前記第1の集団または第2の集団のうちの少なくとも1つの十分に活用されていない人工ニューロンをフラグ付けすることをさらに備える、請求項11に記載の方法。 - i)前記1つまたは複数のパラメータを変更することが、可塑性を有効にすることおよび無効にすることを備え、前記方法が、
スパイキングする人工ニューロンの前記第1の集団の、または人工ニューロンの前記第2の集団の、ある特定の人工ニューロンに基づいて可塑性を有効にすることと、
スパイキングする人工ニューロンの前記第1の集団の、または人工ニューロンの前記第2の集団の、異なるある特定の人工ニューロンに基づいて可塑性を無効にすることとをさらに備える、
ii)前記1つまたは複数のパラメータを変更することが、可塑性を有効にすることおよび無効にすることを備え、前記方法が、
スパイキングする人工ニューロンの前記第1の集団または人工ニューロンの前記第2の集団のうちの少なくとも1つの人工ニューロンのセットに基づいて、可塑性を有効にすることをさらに備える、
iii)前記1つまたは複数のパラメータを変更することが、可塑性を有効にすることおよび無効にすることを備え、前記方法が、
定義された活動率を有する人工ニューロンの前記第1の集団または人工ニューロンの前記第2の集団のうちの少なくとも1つの人工ニューロンのセットに基づいて、可塑性を有効にすることをさらに備える、または、
iv)前記1つまたは複数のパラメータを変更することが、可塑性を有効にすることおよび無効にすることを備え、前記方法が、
メトリックに到達するシナプスの前記第1の集団またはシナプスの前記第2の集団のうちの少なくとも1つに関連付けられるシナプス重みの機能に基づいて可塑性を有効にすることをさらに備える、
のうちの1つを備える、請求項1に記載の方法。 - 人工神経系を操作するための装置であって、
前記人工神経系のシナプスの第1の集団または人工ニューロンの第1の集団のうちの少なくとも1つを第1のグループタグに割り当てるための手段と、ここにおいて、前記第1のグループタグが、第1のセットのパラメータと、第1のシナプスタイプまたは第1のニューロンタイプのうちの少なくとも1つとに関連付けられる、
前記人工神経系のシナプスの第2の集団または人工ニューロンの第2の集団のうちの少なくとも1つを第2のグループタグに割り当てるための手段と、ここにおいて、前記第2のグループタグが、第2のセットのパラメータと、第2のシナプスタイプまたは第2のニューロンタイプのうちの少なくとも1つとに関連付けられる、
前記第1の集団または前記第2の集団のうちの少なくとも1つにおける一手段、またはより多くのシナプス、あるいは、前記第1の集団または前記第2の集団のうちの少なくとも1つにおける1つまたは複数の人工ニューロンのうちの少なくとも1つについての1つまたは複数のパラメータの変更をもたらす、前記第1のセットのパラメータまたは前記第2のセットのパラメータのうちの少なくとも1つにおける前記1つまたは複数のパラメータを変更するための手段と、
前記人工ニューロンのうちの1つまたは複数、あるいは前記シナプスのうちの1つまたは複数のうちの少なくとも1つを、前記第1のグループタグと第2のグループタグの両方でタグ付けするための手段と、ここにおいて、
i)前記第1の集団および第2の集団は、前記第1のセットのパラメータおよび第2のセットのパラメータのうちの少なくとも1つまたは複数が異なる、または、
ii)前記第1のシナプスタイプおよび第2のシナプスタイプまたは前記第1のニューロンタイプおよび第2のニューロンタイプは、互いに異なる、
を備える、装置。 - 人工神経系を操作するためのコンピュータプログラム製品であって、
前記人工神経系のシナプスの第1の集団または人工ニューロンの第1の集団のうちの少なくとも1つを第1のグループタグに割り当てることと、ここにおいて、前記第1のグループタグが、第1のセットのパラメータと、第1のシナプスタイプまたは第1のニューロンタイプのうちの少なくとも1つとに関連付けられる、
前記人工神経系のシナプスの第2の集団または人工ニューロンの第2の集団のうちの少なくとも1つを第2のグループタグに割り当てることと、ここにおいて、前記第2のグループタグが、第2のセットのパラメータと、第2のシナプスタイプまたは第2のニューロンタイプのうちの少なくとも1つとに関連付けられる、
前記第1の集団または前記第2の集団のうちの少なくとも1つにおける1つまたは複数のシナプス、あるいは、前記第1の集団または前記第2の集団のうちの少なくとも1つにおける1つまたは複数の人工ニューロンのうちの少なくとも1つについての1つまたは複数のパラメータの変更をもたらす、前記第1のセットのパラメータまたは前記第2のセットのパラメータのうちの少なくとも1つにおける前記1つまたは複数のパラメータを変更することと、
前記人工ニューロンのうちの1つまたは複数、あるいは前記シナプスのうちの1つまたは複数のうちの少なくとも1つを、前記第1のグループタグと第2のグループタグの両方でタグ付けすることと、ここにおいて、
i)前記第1の集団および第2の集団は、前記第1のセットのパラメータおよび第2のセットのパラメータのうちの少なくとも1つまたは複数が異なる、または、
ii)前記第1のシナプスタイプおよび第2のシナプスタイプまたは前記第1のニューロンタイプおよび第2のニューロンタイプは、互いに異なる、
を、実行されるときにコンピュータに行わせる命令を記憶した、コンピュータ可読媒体を備える、コンピュータプログラム製品。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361882465P | 2013-09-25 | 2013-09-25 | |
US61/882,465 | 2013-09-25 | ||
US14/268,152 US9959499B2 (en) | 2013-09-25 | 2014-05-02 | Methods and apparatus for implementation of group tags for neural models |
US14/268,152 | 2014-05-02 | ||
PCT/US2014/051469 WO2015047589A2 (en) | 2013-09-25 | 2014-08-18 | Methods and apparatus for implementation of group tags for neural models |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016536657A JP2016536657A (ja) | 2016-11-24 |
JP2016536657A5 true JP2016536657A5 (ja) | 2017-08-31 |
Family
ID=52691891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016516530A Pending JP2016536657A (ja) | 2013-09-25 | 2014-08-18 | ニューラルモデルのためのグループタグの実装のための方法および装置 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9959499B2 (ja) |
EP (1) | EP3050004A2 (ja) |
JP (1) | JP2016536657A (ja) |
KR (1) | KR20160058825A (ja) |
CN (1) | CN105556543B (ja) |
BR (1) | BR112016006482A2 (ja) |
CA (1) | CA2921831A1 (ja) |
TW (1) | TW201523463A (ja) |
WO (1) | WO2015047589A2 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170118479A1 (en) * | 2015-10-23 | 2017-04-27 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor device and electronic device |
CN108255775A (zh) * | 2016-12-28 | 2018-07-06 | 上海磁宇信息科技有限公司 | 用于细胞阵列计算系统的细胞阵列总线广播方法 |
US11195079B2 (en) * | 2017-11-22 | 2021-12-07 | Intel Corporation | Reconfigurable neuro-synaptic cores for spiking neural network |
CN108830379B (zh) * | 2018-05-23 | 2021-12-17 | 电子科技大学 | 一种基于参数量化共享的神经形态处理器 |
KR20200075344A (ko) | 2018-12-18 | 2020-06-26 | 삼성전자주식회사 | 검출기, 객체 검출 방법, 학습기 및 도메인 변환을 위한 학습 방법 |
US11625583B2 (en) * | 2019-02-13 | 2023-04-11 | Mipsology SAS | Quality monitoring and hidden quantization in artificial neural network computations |
TWI828109B (zh) * | 2019-09-24 | 2024-01-01 | 美商應用材料股份有限公司 | 用於組織分割之機器學習模型的交互式訓練 |
CN113065647B (zh) * | 2021-03-30 | 2023-04-25 | 西安电子科技大学 | 加速神经网络的计算-存储通信系统及通信方法 |
CN115169547B (zh) * | 2022-09-09 | 2022-11-29 | 深圳时识科技有限公司 | 神经形态芯片及电子设备 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5276769A (en) * | 1989-03-13 | 1994-01-04 | Sharp Kabushiki Kaisha | Neural network learning apparatus and method |
JP3172163B2 (ja) * | 1990-05-07 | 2001-06-04 | 富士通株式会社 | ニューラルネットワークにおける結合のグループ単位学習調整方式 |
JPH06348675A (ja) * | 1993-06-07 | 1994-12-22 | Ebara Corp | ニューロコンピュータ応用機器およびこれを含む機械装置 |
EP0937286B1 (en) * | 1996-11-05 | 2002-03-27 | Cyberlife Technology Limited | Process control |
JP2002251601A (ja) * | 2001-02-22 | 2002-09-06 | Fuji Xerox Co Ltd | ニューラルネットワーク処理装置 |
US8630966B2 (en) | 2009-01-27 | 2014-01-14 | Salk Institute For Biological Studies | Temporally dynamic artificial neural networks |
US8504499B2 (en) | 2009-07-15 | 2013-08-06 | The Intellisis Corporation | Constant memory implementation of a phase-model neural network |
US20110055131A1 (en) * | 2009-08-28 | 2011-03-03 | Hung-Han Chen | Method of universal computing device |
US9129220B2 (en) | 2010-07-07 | 2015-09-08 | Qualcomm Incorporated | Methods and systems for digital neural processing with discrete-level synapes and probabilistic STDP |
US8738554B2 (en) | 2011-09-16 | 2014-05-27 | International Business Machines Corporation | Event-driven universal neural network circuit |
US9098811B2 (en) * | 2012-06-04 | 2015-08-04 | Brain Corporation | Spiking neuron network apparatus and methods |
US8943008B2 (en) * | 2011-09-21 | 2015-01-27 | Brain Corporation | Apparatus and methods for reinforcement learning in artificial neural networks |
US8712939B2 (en) | 2011-09-21 | 2014-04-29 | Brain Corporation | Tag-based apparatus and methods for neural networks |
US9129221B2 (en) | 2012-05-07 | 2015-09-08 | Brain Corporation | Spiking neural network feedback apparatus and methods |
US9256823B2 (en) * | 2012-07-27 | 2016-02-09 | Qualcomm Technologies Inc. | Apparatus and methods for efficient updates in spiking neuron network |
-
2014
- 2014-05-02 US US14/268,152 patent/US9959499B2/en active Active
- 2014-08-18 KR KR1020167008769A patent/KR20160058825A/ko not_active Application Discontinuation
- 2014-08-18 EP EP14759390.9A patent/EP3050004A2/en not_active Ceased
- 2014-08-18 BR BR112016006482A patent/BR112016006482A2/pt not_active Application Discontinuation
- 2014-08-18 CN CN201480051708.8A patent/CN105556543B/zh active Active
- 2014-08-18 CA CA2921831A patent/CA2921831A1/en not_active Abandoned
- 2014-08-18 WO PCT/US2014/051469 patent/WO2015047589A2/en active Application Filing
- 2014-08-18 JP JP2016516530A patent/JP2016536657A/ja active Pending
- 2014-08-20 TW TW103128664A patent/TW201523463A/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016536657A5 (ja) | ||
JP2016522495A5 (ja) | ||
Wang et al. | A human learning optimization algorithm and its application to multi-dimensional knapsack problems | |
WO2013181637A3 (en) | Neural network learning and collaboration apparatus and methods | |
JP2017513127A5 (ja) | ||
WO2015142503A3 (en) | Implementing a neural-network processor | |
WO2014189970A3 (en) | Efficient hardware implementation of spiking networks | |
JP2017509951A5 (ja) | ||
GB2579528A (en) | Neuromorphic processing apparatus | |
JP2017519268A5 (ja) | ||
WO2013181410A9 (en) | Continuous time spiking neural network event-based simulation | |
GB2497008A (en) | Canonical Spiking Neuron Network for Spatiotemporal Associative Memory | |
WO2015088774A3 (en) | Neuronal diversity in spiking neural networks and pattern classification | |
WO2015047589A3 (en) | Methods and apparatus for implementation of group tags for neural models | |
WO2015153150A3 (en) | Probabilistic representation of large sequences using spiking neural network | |
CN106022472A (zh) | 一种嵌入式深度学习处理器 | |
Zhao et al. | Shuffled frog–leaping algorithm using elite opposition–based learning | |
WO2015148060A3 (en) | Time synchronization of spiking neuron models on multiple nodes | |
Wang et al. | Supervised learning algorithm for spiking neurons based on nonlinear inner products of spike trains | |
Grose | BRAINSTORMS | |
Yang et al. | Chaotic cat swarm algorithms for global numerical optimization | |
Le Mouel et al. | Supervised learning with decision margins in pools of spiking neurons | |
Bos et al. | Cortical multi-layered, multi-area networks as a substrate for stochastic computing | |
Schmidt et al. | A spiking multi-area network model of macaque visual cortex | |
Esmaili Paeen Afrakoti et al. | Using memristor crossbar structure to implement a novel adaptive real time fuzzy modeling algorithm |