本研究では、ベクトル記号アーキテクチャ(VSA)が提供する分散表現アプローチを活用し、再帰型スパイキングニューラルネットワーク(RSNN)に頑健な多時間スケール計算を埋め込む方法を示した。
具体的には、各状態をハイパーベクトルで表現し、RSNNの固定点アトラクタとして保存する。さらに、入力に応じて状態遷移を行うための非対称な外積項を重ね合わせることで、有限状態機械(DFA)の動作をRSNNに埋め込んだ。
この手法は、シミュレーションや実際のメモリスタクロスバー、Intel社のニューロモーフィックチップLoihi 2でも検証され、ハードウェア固有の非理想性に対して頑健に動作することが示された。
分散表現を用いることで、ニューロモーフィックハードウェアに対して高レベルの抽象的な記述を行うことができ、プラットフォーム間の相互運用性が高まる。本研究は、VSAがニューロモーフィックハードウェアにおける高レベルの認知アルゴリズムの記述言語として有効であることを示した。
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Madison Cott... às arxiv.org 05-03-2024
https://arxiv.org/pdf/2405.01305.pdfPerguntas Mais Profundas