이 연구는 벡터 상징 아키텍처(VSA)의 분산 표현 접근법을 활용하여 순환 스파이킹 신경 네트워크(RSNN)에 강건한 다중 시간 규모 동역학을 임베딩하는 방법을 제시한다. 각 상태는 고차원 무작위 벡터(hypervector)로 표현되며, 이를 RSNN의 고정점 끌개로 저장한다. 추가적인 이종 연관 외적 항을 가중치 행렬에 중첩하여 입력에 의해 유발되는 상태 전이를 구현한다.
이 접근법은 시뮬레이션, 멤리스터 하드웨어 실험, Intel Loihi 2 신경형태학적 칩에서 검증되었다. 시뮬레이션에서는 상당한 비이상적 가중치에도 불구하고 네트워크가 올바르게 작동하는 것을 보여준다. 멤리스터 하드웨어 실험에서는 고정 패턴 잡음과 시행 간 가중치 비이상성에도 불구하고 네트워크가 올바르게 작동하는 것을 확인했다. Loihi 2에서는 대규모 상태 기계에 대한 확장성을 입증했다.
이 연구는 VSA가 신경형태학적 하드웨어에 대한 강건하고 확장 가능한 고수준 표현 언어로 활용될 수 있음을 보여준다. 이를 통해 하드웨어 세부 사항에 구애받지 않고 인지 알고리즘을 다양한 신경형태학적 플랫폼에 구현할 수 있다.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Madison Cott... pada arxiv.org 05-03-2024
https://arxiv.org/pdf/2405.01305.pdfPertanyaan yang Lebih Dalam