JP2016536657A5 - - Google Patents

Download PDF

Info

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
Application number
JP2016516530A
Other languages
English (en)
Other versions
JP2016536657A (ja
Filing date
Publication date
Priority claimed from US14/268,152 external-priority patent/US9959499B2/en
Application filed filed Critical
Publication of JP2016536657A publication Critical patent/JP2016536657A/ja
Publication of JP2016536657A5 publication Critical patent/JP2016536657A5/ja
Pending legal-status Critical Current

Links

Claims (15)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
  12. 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。
  13. 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。
  14. 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。
  15. 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。
JP2016516530A 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 Pending JP2016536657A (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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