JP6096388B2 - ニューラルネットワークモデルにおけるドップラー効果処理 - Google Patents
ニューラルネットワークモデルにおけるドップラー効果処理 Download PDFInfo
- Publication number
- JP6096388B2 JP6096388B2 JP2016526098A JP2016526098A JP6096388B2 JP 6096388 B2 JP6096388 B2 JP 6096388B2 JP 2016526098 A JP2016526098 A JP 2016526098A JP 2016526098 A JP2016526098 A JP 2016526098A JP 6096388 B2 JP6096388 B2 JP 6096388B2
- Authority
- JP
- Japan
- Prior art keywords
- neurons
- frequency
- bins
- layer
- neuron
- 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.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims description 23
- 238000012545 processing Methods 0.000 title description 48
- 238000003062 neural network model Methods 0.000 title description 3
- 210000002569 neuron Anatomy 0.000 claims description 358
- 210000000225 synapse Anatomy 0.000 claims description 83
- 238000010304 firing Methods 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 58
- 238000013507 mapping Methods 0.000 claims description 35
- 230000002401 inhibitory effect Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims description 2
- 230000005236 sound signal Effects 0.000 claims 24
- 238000012421 spiking Methods 0.000 description 84
- 210000004205 output neuron Anatomy 0.000 description 80
- 230000000946 synaptic effect Effects 0.000 description 40
- 230000001537 neural effect Effects 0.000 description 37
- 238000013528 artificial neural network Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 24
- 230000000875 corresponding effect Effects 0.000 description 22
- 230000001960 triggered effect Effects 0.000 description 21
- 239000012528 membrane Substances 0.000 description 19
- 230000001242 postsynaptic effect Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 16
- 230000006399 behavior Effects 0.000 description 10
- 238000013459 approach Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000001419 dependent effect Effects 0.000 description 8
- 230000027928 long-term synaptic potentiation Effects 0.000 description 7
- 210000005215 presynaptic neuron Anatomy 0.000 description 7
- 230000001629 suppression Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002964 excitative effect Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000036982 action potential Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000023886 lateral inhibition Effects 0.000 description 4
- 230000003956 synaptic plasticity Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003518 presynaptic effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 240000002627 Cordeauxia edulis Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000005022 packaging material Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009534 synaptic inhibition Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003376 axonal effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 210000005056 cell body Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 210000004242 electrical synapse Anatomy 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000025350 membrane depolarization involved in regulation of action potential Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008062 neuronal firing Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Description
例示的なニューラルシステム、トレーニングおよび動作
シナプスタイプ
シナプス可塑性の決定
ニューロンモデルおよび演算
Hunzinger Coldモデル
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
[C1]
ドップラー効果に関連付けられる周波数弁別の方法であって、
第1の信号を第1の複数の周波数ビンにマッピングすること、前記第1の信号は、第1の時間に対応する、と、
第2の信号を第2の複数の周波数ビンにマッピングすること、前記第2の信号は、第2の時間に対応する、と、
前記第1の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第1の複数のニューロンを発火すること、前記第1の複数のニューロンは、前記第1の複数の周波数ビンに対応する、と、
前記第2の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第2の複数のニューロンを発火すること、前記第2の複数のニューロンは、前記第2の複数の周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、スパイキングネットワークのニューロンの第1のレイヤに対応し、前記第1の複数のニューロンの前記発火と、前記第2の複数のニューロンの前記発火とは、物体の相対的な速さに少なくとも部分的に基づいている、と
を備える、方法。
[C2]
前記第1の複数のニューロンの発火パターンと前記第2の複数のニューロンの発火パターンとに基づいて、前記物体の前記相対的な速さを推定することをさらに備える、
C1に記載の方法。
[C3]
第2のレイヤの第1の複数のニューロンで、第1の複数のシナプスを介して前記第1のレイヤの前記第1の複数のニューロンから出力を受信することと、
前記第2のレイヤの前記第1の複数のニューロンで、第2の複数のシナプスを介して前記第1のレイヤの前記第2の複数のニューロンから出力を受信すること、前記第1の複数のシナプスと前記第2の複数のシナプスの各シナプスは、重みと遅延とを備える、と、
前記第1のレイヤの前記第1の複数のニューロンと、前記第1のレイヤの前記第2の複数のニューロンからの累積された出力に基づいて、前記第2のレイヤの少なくとも1つのニューロンを発火することと
をさらに備える、C1に記載の方法。
[C4]
前記第2のレイヤの前記少なくとも1つのニューロンの発火と、前記第1のレイヤの前記少なくとも1つのニューロンの発火との間の時間の差に少なくとも部分的に基づいて、シナプスの前記重みおよび/または前記遅延を調整することをさらに備える、
C3に記載の方法。
[C5]
特定の相対的な速さのために、前記第2のレイヤ内の支配的なニューロンにラベル付けすることをさらに備える、
C4に記載の方法。
[C6]
前記第2のレイヤの第1のニューロンで、前記第2のレイヤの第2のニューロンからの出力を受信することをさらに備え、前記出力は、抑制性シナプスを介して受信される、
C3に記載の方法。
[C7]
各周波数は、前記第1の複数の周波数ビンまたは前記第2の複数の周波数ビンのうちの1つの周波数ビンに非線形的にマッピングされる、
C1に記載の方法。
[C8]
前記マッピングは、対数マッピングに少なくとも部分的に基づく、
C7に記載の方法。
[C9]
各周波数は、前記第1の複数の周波数ビンまたは前記第2の複数の周波数ビンのうちの1つの周波数ビンに線形的にマッピングされる、
C1に記載の方法。
[C10]
ドップラー効果に関連付けられる周波数弁別のための装置であって、
メモリと、
前記メモリに結合された少なくとも1つのプロセッサと
を備え、前記少なくとも1つのプロセッサは、
第1の信号を第1の複数の周波数ビンにマッピングすること、前記第1の信号は、第1の時間に対応する、と、
第2の信号を第2の複数の周波数ビンにマッピングすること、前記第2の信号は、第2の時間に対応する、と、
前記第1の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第1の複数のニューロンを発火すること、前記第1の複数のニューロンは、前記第1の複数の周波数ビンに対応する、と、
前記第2の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第2の複数のニューロンを発火すること、前記第2の複数のニューロンは、前記第2の複数の周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、スパイキングネットワークのニューロンの第1のレイヤに対応する、と
を行うように構成され、前記少なくとも1つのプロセッサは、物体の相対的な速さに少なくとも部分的に基づいて、前記第1の複数のニューロンと前記第2の複数のニューロンとを発火するようにさらに構成される、
装置。
[C11]
前記少なくとも1つのプロセッサは、前記第1の複数のニューロンの発火パターンと前記第2の複数のニューロンの発火パターンとに基づいて、前記物体の前記相対的な速さを推定するようにさらに構成される、
C10に記載の装置。
[C12]
前記少なくとも1つのプロセッサは、
第2のレイヤの第1の複数のニューロンで、第1の複数のシナプスを介して前記第1のレイヤの前記第1の複数のニューロンから出力を受信することと、
前記第2のレイヤの前記第1の複数のニューロンで、第2の複数のシナプスを介して前記第1のレイヤの前記第2の複数のニューロンから出力を受信すること、前記第1の複数のシナプスと前記第2の複数のシナプスの各シナプスは、重みと遅延とを備える、と、
前記第1のレイヤの前記第1の複数のニューロンと、前記第1のレイヤの前記第2の複数のニューロンとからの累積された出力に基づいて、前記第2のレイヤの少なくとも1つのニューロンを発火することと
を行うようにさらに構成される、C10に記載の装置。
[C13]
前記少なくとも1つのプロセッサは、前記第2のレイヤの前記少なくとも1つのニューロンの発火と、前記第1のレイヤの前記少なくとも1つのニューロンの発火との間の時間の差に少なくとも部分的に基づいて、シナプスの前記重みおよび/または前記遅延を調整することを行うようにさらに構成される、
C12に記載の装置。
[C14]
前記少なくとも1つのプロセッサは、特定の相対的な速さのために、前記第2のレイヤ内の支配的なニューロンにラベル付けすることを行うようにさらに構成される、
C13に記載の装置。
[C15]
前記少なくとも1つのプロセッサは、前記第2のレイヤの第1のニューロンで、前記第2のレイヤの第2のニューロンから出力を受信するようにさらに構成され、前記出力は、抑制性シナプスを介して受信される、
C12に記載の装置。
[C16]
各周波数は、前記第1の複数の周波数ビンまたは前記第2の複数の周波数ビンのうちの1つの周波数ビンに非線形的にマッピングされる、
C10に記載の装置。
[C17]
前記マッピングすることは、対数マッピングに少なくとも部分的に基づく、
C16に記載の装置。
[C18]
各周波数が、前記第1の複数の周波数ビンまたは前記第2の複数の周波数ビンのうちの1つの周波数ビンに線形的にマッピングされる、
C10に記載の装置。
[C19]
ドップラー効果に関連付けられる周波数弁別のための装置であって、
第1の信号を第1の複数の周波数ビンにマッピングするための手段、前記第1の信号は、第1の時間に対応する、と、
第2の信号を第2の複数の周波数ビンにマッピングするための手段、前記第2の信号は、第2の時間に対応する、と、
前記第1の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第1の複数のニューロンを発火するための手段、前記第1の複数のニューロンは、前記第1の複数の周波数ビンに対応する、と、
前記第2の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第2の複数のニューロンを発火するための手段、前記第2の複数のニューロンは、前記第2の複数の周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、スパイキングネットワークのニューロンの第1のレイヤに対応し、前記第1の複数のニューロンを前記発火するための手段と前記第2の複数のニューロンを前記発火するための手段は、物体の相対的な速さに少なくとも部分的に基づいている、と
を備える、装置。
[C20]
ドップラー効果に関連付けられる周波数弁別のためのコンピュータプログラム製品であって、
プログラムコードを記録した非一時的コンピュータ可読媒体を備え、前記プログラムコードは、
第1の信号を第1の複数の周波数ビンにマッピングするためのプログラムコード、前記第1の信号は、第1の時間に対応する、と、
第2の信号を第2の複数の周波数ビンにマッピングするためのプログラムコード、前記第2の信号は、第2の時間に対応する、と、
前記第1の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第1の複数のニューロンを発火するためのプログラムコード、前記第1の複数のニューロンは、前記第1の複数の周波数ビンに対応する、と、
前記第2の複数の周波数ビンのコンテンツに少なくとも部分的に基づいて、第2の複数のニューロンを発火するためのプログラムコード、前記第2の複数のニューロンは、前記第2の複数の周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、スパイキングネットワークのニューロンの第1のレイヤに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとを発火する前記プログラムコードは、物体の相対的な速さに少なくとも部分的に基づいている、と
を備える、コンピュータプログラム製品。
Claims (18)
- ドップラー効果に関連付けられる周波数弁別の方法であって、
第1のオーディオ信号の第1の周波数を複数の周波数ビンのうちの周波数ビンの第1のセットにマッピングすること、前記複数の周波数ビンの各周波数ビンは、異なる周波数に対応し、前記第1のオーディオ信号は、第1の時間において、移動している物体から放出される、と、
第2のオーディオ信号の第2の周波数を前記複数の周波数ビンの第2のセットにマッピングすること、前記第2のオーディオ信号は、第2の時間において、前記移動している物体から放出される、と、
前記周波数ビンの第1のセットにマッピングされた前記第1の周波数に少なくとも部分的に基づいて、第1の複数のニューロンを発火すること、前記第1の複数のニューロンの各々は、前記周波数ビンの第1のセットのうちの周波数ビンに対応する、と、
前記周波数ビンの第2のセットにマッピングされた前記第2の周波数に少なくとも部分的に基づいて、第2の複数のニューロンを発火すること、前記第2の複数のニューロンの各々は、前記周波数ビンの第2のセットのうちの周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、ネットワークのニューロンの第1のレイヤに対応し、前記第1の複数のニューロンおよび前記第2の複数のニューロンの前記発火は、前記第1のオーディオ信号と前記第2のオーディオ信号の受信機に向かう、または前記受信機から遠ざかっている前記移動している物体の相対的な速さに少なくとも部分的に基づいている、と、
前記第1の複数のニューロンおよび前記第2の複数のニューロンの発火パターンと、前記第1の複数のニューロンの発火と前記第2の複数のニューロンの発火との間の時間差とに基づいて、前記移動している物体の前記相対的な速さを推定することと
を備える、方法。 - 第2のレイヤの第1の複数のニューロンで、第1の複数のシナプスを介して前記第1のレイヤの前記第1の複数のニューロンから出力を受信することと、
前記第2のレイヤの前記第1の複数のニューロンで、第2の複数のシナプスを介して前記第1のレイヤの前記第2の複数のニューロンから出力を受信すること、前記第1の複数のシナプスと前記第2の複数のシナプスの各シナプスは、重みと遅延とを備える、と、
前記第1のレイヤの前記第1の複数のニューロンと、前記第1のレイヤの前記第2の複数のニューロンからの累積された出力に基づいて、前記第2のレイヤの前記第1の複数のニューロンのうちの少なくとも1つを発火することと
をさらに備える、請求項1に記載の方法。 - 前記第2のレイヤの前記第1の複数のニューロンのうちの前記少なくとも1つのニューロンの発火と、前記第1のレイヤの前記第1の複数のニューロンまたは前記第2の複数のニューロンのうちの前記少なくとも1つのニューロンの発火との間の時間の差に少なくとも部分的に基づいて、シナプスの前記重みおよび/または前記遅延を調整することをさらに備える、
請求項2に記載の方法。 - 特定の相対的な速さのために、前記第2のレイヤ内の支配的なニューロンにラベル付けすることをさらに備える、
請求項3に記載の方法。 - 前記第2のレイヤの第1のニューロンで、前記第2のレイヤの第2のニューロンから出力を受信することをさらに備え、前記出力は、抑制性シナプスを介して受信される、
請求項2に記載の方法。 - 前記周波数ビンの第1のセットおよび前記周波数ビンの第2のセットの各周波数ビンは、対応する周波数に非線形的にマッピングされる、
請求項1に記載の方法。 - 前記マッピングは、対数マッピングに少なくとも部分的に基づく、
請求項6に記載の方法。 - 前記周波数ビンの第1のセットまたは前記周波数ビンの第2のセットの各周波数ビンは、対応する周波数に非線形的にマッピングされる、
請求項1に記載の方法。 - ドップラー効果に関連付けられる周波数弁別のための装置であって、
メモリと、
前記メモリに結合された少なくとも1つのプロセッサと
を備え、前記少なくとも1つのプロセッサは、
第1のオーディオ信号の第1の周波数を複数の周波数ビンのうちの周波数ビンの第1のセットにマッピングすること、前記複数の周波数ビンの各周波数ビンは、異なる周波数に対応し、前記第1のオーディオ信号は、第1の時間において、移動している物体から放出される、と、
第2のオーディオ信号の第2の周波数を前記複数の周波数ビンの第2のセットにマッピングすること、前記第2のオーディオ信号は、第2の時間で前記移動している物体に対応する、と、
前記周波数ビンの第1のセットにマッピングされた前記第1の周波数に少なくとも部分的に基づいて、第1の複数のニューロンを発火すること、前記第1の複数のニューロンの各々は、前記周波数ビンの第1のセットのうちの周波数ビンに対応する、と、
前記周波数ビンの第2のセットにマッピングされた前記第2の周波数に少なくとも部分的に基づいて、第2の複数のニューロンを発火すること、前記第2の複数のニューロンの各々は、前記周波数ビンの第2のセットのうちの周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、ネットワークのニューロンの第1のレイヤに対応する、と、
前記第1のオーディオ信号と前記第2のオーディオ信号の受信機に向かう、または前記受信機から遠ざかっている前記移動している物体の相対的な速さに少なくとも部分的に基づいて、前記第1の複数のニューロンと前記第2の複数のニューロンとを発火することと、
前記第1の複数のニューロンおよび前記第2の複数のニューロンの発火パターンと、前記第1の複数のニューロンの発火と前記第2の複数のニューロンの発火との間の時間差とに基づいて、前記移動している物体の前記相対的な速さを推定することと
を行うように構成される、
装置。 - 前記少なくとも1つのプロセッサは、
第2のレイヤの第1の複数のニューロンで、第1の複数のシナプスを介して前記第1のレイヤの前記第1の複数のニューロンから出力を受信することと、
前記第2のレイヤの前記第1の複数のニューロンで、第2の複数のシナプスを介して前記第1のレイヤの前記第2の複数のニューロンから出力を受信すること、前記第1の複数のシナプスと前記第2の複数のシナプスの各シナプスは、重みと遅延とを備える、と、
前記第1のレイヤの前記第1の複数のニューロンと、前記第1のレイヤの前記第2の複数のニューロンからの累積された出力に基づいて、前記第2のレイヤの前記第1の複数のニューロンのうちの少なくとも1つを発火することと
を行うようにさらに構成される、請求項9に記載の装置。 - 前記少なくとも1つのプロセッサは、前記第2のレイヤの前記第1の複数のニューロンのうちの前記少なくとも1つのニューロンの発火と、前記第1のレイヤの前記第1の複数のニューロンまたは前記第2の複数のニューロンのうちの前記少なくとも1つのニューロンの発火との間の時間の差に少なくとも部分的に基づいて、シナプスの前記重みおよび/または前記遅延を調整することを行うようにさらに構成される、
請求項10に記載の装置。 - 前記少なくとも1つのプロセッサは、特定の相対的な速さのために、前記第2のレイヤ内の支配的なニューロンにラベル付けすることを行うようにさらに構成される、
請求項11に記載の装置。 - 前記少なくとも1つのプロセッサは、前記第2のレイヤの第1のニューロンで、前記第2のレイヤの第2のニューロンから出力を受信するようにさらに構成され、前記出力は、抑制性シナプスを介して受信される、
請求項10に記載の装置。 - 前記周波数ビンの第1のセットおよび前記周波数ビンの第2のセットの各周波数ビンは、対応する周波数に非線形的にマッピングされる、
請求項9に記載の装置。 - 前記マッピングは、対数マッピングに少なくとも部分的に基づく、
請求項14に記載の装置。 - 前記周波数ビンの第1のセットおよび前記周波数ビンの第2のセットの各周波数ビンは、対応する周波数に線形的にマッピングされる、
請求項9に記載の装置。 - ドップラー効果に関連付けられる周波数弁別のための装置であって、
第1のオーディオ信号の第1の周波数を複数の周波数ビンのうちの周波数ビンの第1のセットにマッピングするための手段、前記複数の周波数ビンの各周波数ビンは、異なる周波数に対応し、前記第1のオーディオ信号は、第1の時間において、移動している物体から放出される、と、
第2のオーディオ信号の第2の周波数を前記複数の周波数ビンの第2のセットにマッピングするための手段、前記第2のオーディオ信号は、第2の時間において、前記移動している物体から放出される、と、
前記周波数ビンの第1のセットにマッピングされた前記第1の周波数に少なくとも部分的に基づいて、第1の複数のニューロンを発火するための手段、前記第1の複数のニューロンの各々は、前記周波数ビンの第1のセットのうちの周波数ビンに対応する、と、
前記周波数ビンの第2のセットにマッピングされた前記第2の周波数に少なくとも部分的に基づいて、第2の複数のニューロンを発火するための手段、前記第2の複数のニューロンの各々は、前記周波数ビンの第2のセットのうちの周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、ネットワークのニューロンの第1のレイヤに対応し、前記第1の複数のニューロンおよび前記第2の複数のニューロンを前記発火するための手段は、前記第1のオーディオ信号と前記第2のオーディオ信号の受信機に向かう、または前記受信機から遠ざかっている前記移動している物体の相対的な速さに少なくとも部分的に基づいている、と、
前記第1の複数のニューロンおよび前記第2の複数のニューロンの発火パターンと、前記第1の複数のニューロンの発火と前記第2の複数のニューロンの発火との間の時間差とに基づいて、前記移動している物体の前記相対的な速さを推定するための手段と
を備える、装置。 - ドップラー効果に関連付けられる周波数弁別のためのプログラムコードを記録した非一時的コンピュータ可読媒体であって、前記プログラムコードは、
第1のオーディオ信号の第1の周波数を複数の周波数ビンのうちの周波数ビンの第1のセットにマッピングするためのプログラムコード、前記複数の周波数ビンの各周波数ビンは、異なる周波数に対応し、前記第1のオーディオ信号は、第1の時間において、移動している物体から放出される、と、
第2のオーディオ信号の第2の周波数を前記複数の周波数ビンの第2のセットにマッピングするためのプログラムコード、前記第2のオーディオ信号は、第2の時間において、前記移動している物体から放出される、と、
前記周波数ビンの第1のセットにマッピングされた前記第1の周波数に少なくとも部分的に基づいて、第1の複数のニューロンを発火するためのプログラムコード、前記第1の複数のニューロンの各々は、前記周波数ビンの第1のセットのうちの周波数ビンに対応する、と、
前記周波数ビンの第2のセットにマッピングされた前記第2の周波数に少なくとも部分的に基づいて、第2の複数のニューロンを発火するためのプログラムコード、前記第2の複数のニューロンの各々は、前記周波数ビンの第2のセットのうちの周波数ビンに対応し、前記第1の複数のニューロンと前記第2の複数のニューロンとは、ネットワークのニューロンの第1のレイヤに対応し、前記第1の複数のニューロンおよび前記第2の複数のニューロンを発火するための前記プログラムコードは、前記第1のオーディオ信号と前記第2のオーディオ信号の受信機に向かう、または前記受信機から遠ざかっている前記移動している物体の相対的な速さに少なくとも部分的に基づいている、と、
前記第1の複数のニューロンおよび前記第2の複数のニューロンの発火パターンと、前記第1の複数のニューロンの発火と前記第2の複数のニューロンの発火との間の時間差とに基づいて、前記移動している物体の前記相対的な速さを推定するためのプログラムコードと
を備える、非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/066,570 US9449272B2 (en) | 2013-10-29 | 2013-10-29 | Doppler effect processing in a neural network model |
US14/066,570 | 2013-10-29 | ||
PCT/US2014/062257 WO2015065850A2 (en) | 2013-10-29 | 2014-10-24 | Doppler effect processing in a neural network model |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016540197A JP2016540197A (ja) | 2016-12-22 |
JP6096388B2 true JP6096388B2 (ja) | 2017-03-15 |
Family
ID=51897445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016526098A Active JP6096388B2 (ja) | 2013-10-29 | 2014-10-24 | ニューラルネットワークモデルにおけるドップラー効果処理 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9449272B2 (ja) |
EP (1) | EP3063709A2 (ja) |
JP (1) | JP6096388B2 (ja) |
CN (1) | CN105706121B (ja) |
WO (1) | WO2015065850A2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109714119B (zh) * | 2018-12-29 | 2023-10-24 | 中国人民解放军陆军工程大学 | 神经形态电路和信号频移检测系统 |
KR102601194B1 (ko) | 2021-09-29 | 2023-11-13 | 한국전자통신연구원 | 오디오 신호의 저복잡도 피치 시프팅 장치 및 그 방법 |
WO2023091061A1 (en) * | 2021-11-17 | 2023-05-25 | Telefonaktiebolaget Lm Ericsson (Publ) | Delay encoded vector symbolic radio multiple access |
WO2023091060A1 (en) * | 2021-11-17 | 2023-05-25 | Telefonaktiebolaget Lm Ericsson (Publ) | Binary distributed vector symbolic radio multiple access |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04501328A (ja) * | 1989-08-11 | 1992-03-05 | ヒューズ・エアクラフト・カンパニー | 時間変動するデータを分類する適用回路網 |
JPH03157750A (ja) * | 1989-11-16 | 1991-07-05 | Takayama:Kk | データ処理装置 |
US5259065A (en) * | 1989-11-16 | 1993-11-02 | Yozan, Inc. | Data processing system |
US5619616A (en) * | 1994-04-25 | 1997-04-08 | Minnesota Mining And Manufacturing Company | Vehicle classification system using a passive audio input to a neural network |
DE19649618A1 (de) | 1996-11-29 | 1998-06-04 | Alsthom Cge Alcatel | Verfahren und Vorrichtung zur automatischen Klassifikation von Objekten |
JP2003507716A (ja) | 1999-08-12 | 2003-02-25 | オートモーティブ システムズ ラボラトリー インコーポレーテッド | ニューラルネットワークレーダプロセッサ |
JP4241818B2 (ja) | 2006-12-14 | 2009-03-18 | パナソニック電工株式会社 | 内部検査装置 |
CN101916393B (zh) * | 2010-07-14 | 2012-09-26 | 中国科学院半导体研究所 | 具有图像分割功能的脉冲耦合神经网络的实现电路 |
US8548177B2 (en) | 2010-10-26 | 2013-10-01 | University Of Alaska Fairbanks | Methods and systems for source tracking |
CN103259570A (zh) * | 2012-02-15 | 2013-08-21 | 重庆金美通信有限责任公司 | 一种改进的大多普勒频移下的频偏补偿技术 |
US8959040B1 (en) * | 2012-03-08 | 2015-02-17 | Hrl Laboratories, Llc | Spike timing dependent plasticity apparatus, system and method |
-
2013
- 2013-10-29 US US14/066,570 patent/US9449272B2/en active Active
-
2014
- 2014-10-24 EP EP14796951.3A patent/EP3063709A2/en not_active Withdrawn
- 2014-10-24 JP JP2016526098A patent/JP6096388B2/ja active Active
- 2014-10-24 WO PCT/US2014/062257 patent/WO2015065850A2/en active Application Filing
- 2014-10-24 CN CN201480059133.4A patent/CN105706121B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US9449272B2 (en) | 2016-09-20 |
EP3063709A2 (en) | 2016-09-07 |
CN105706121A (zh) | 2016-06-22 |
CN105706121B (zh) | 2018-08-21 |
WO2015065850A3 (en) | 2015-07-16 |
JP2016540197A (ja) | 2016-12-22 |
WO2015065850A2 (en) | 2015-05-07 |
US20150120628A1 (en) | 2015-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6130056B2 (ja) | スパイキングネットワークの効率的なハードウェア実装 | |
JP6275868B2 (ja) | ニューラルウォッチドッグ | |
JP2017509952A (ja) | シャドウネットワークでニューラルネットワークを監視すること | |
JP2017509982A (ja) | 原位置ニューラルネットワークコプロセッシング | |
JP2017516192A (ja) | ニューラルネットワークにおける差分符号化 | |
JP6227783B2 (ja) | ニューラルデバイスのトレーニングを調節するための方法および装置 | |
JP2017509951A (ja) | スパースニューラルネットワークを構成すること | |
JP2017511936A (ja) | 現在の計算リソースへのニューラルネットワーク適応 | |
JP2017515205A (ja) | Coldニューロンスパイクタイミングバックプロバゲーション | |
JP2017513127A (ja) | スパイキング深層信念ネットワーク(dbn)におけるトレーニング、認識、および生成 | |
JP2016538632A (ja) | 教師あり学習を使用してクラスにタグ付けするための方法および装置 | |
JP2016536679A (ja) | ニューラルシミュレータ用の共有メモリアーキテクチャ | |
JP2017519268A (ja) | スパイキングニューラルネットワークにおけるグローバルスカラ値によって可塑性を調節すること | |
JP2017514215A (ja) | スパイキングニューラルネットワークを使用する画像の不変オブジェクト表現 | |
JP2017509978A (ja) | 確率論的スパイキングベイジアンネットワークに関する事象に基づく推論および学習 | |
JP2017509980A (ja) | 動的な空間ターゲット選択 | |
JP2016539414A (ja) | スパイキングニューラルネットワークにおいてリプレーを使用するシナプス学習を実装すること | |
JP2016538633A (ja) | 多次元範囲にわたって分離可能なサブシステムを含むシステムの評価 | |
JP2017510890A (ja) | 一般的なニューロンモデルの効率的な実装のための方法および装置 | |
JP6096388B2 (ja) | ニューラルネットワークモデルにおけるドップラー効果処理 | |
JP2017513108A (ja) | サブしきい値変調を介するアナログ信号再構築および認識 | |
JP6193509B2 (ja) | 可塑性シナプス管理 | |
JP6219509B2 (ja) | シナプス遅延を動的に割り当てることおおよび検査すること | |
JP2017507397A (ja) | 自動エラー訂正のための同時レイテンシおよびレートコーディング | |
JP2016532216A (ja) | 人工神経システムにおけるブレークポイント決定ユニットを実現するための方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161019 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161019 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20161019 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20161128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6096388 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |