로그인
통찰 - ニューロモーフィックコンピューティング
NeuroVM: 動的ニューロモーフィックハードウェア仮想化
ニューロモーフィックハードウェアリソースを動的に仮想化し、様々なアプリケーションに適応可能な柔軟なアーキテクチャを提案する。
ニューロモーフィックアーキテクチャのためのGPU高速化シミュレーションフレームワーク
ニューロモーフィックアプリケーションエンジニアとハードウェアアーキテクトが、シリコンに投資する前に、性能のボトルネックを調査し、設計の最適化を探索するために、GPUを活用したシミュレーションツールを提供する。
スパイク駆動型トランスフォーマーV2: 次世代ニューロモーフィックチップ設計を促す メタスパイキングニューラルネットワークアーキテクチャ
メタスパイクフォーマーは、低消費電力、高性能、汎用性を兼ね備えた新しいトランスフォーマーベースのスパイキングニューラルネットワークアーキテクチャである。これは、次世代のニューロモーフィックチップ設計に大きな示唆を与える。
完全に構成可能な、オープンソースのソフトウェア定義型デジタル量子化スパイキングニューラルコアアーキテクチャ
QUANTISENC は、ニューロモーフィックコンピューティング研究を推進するために設計された、完全に構成可能なオープンソースのソフトウェア定義型デジタル量子化スパイキングニューラルコアアーキテクチャである。
ランダムカップリングニューラルネットワークによる効率的な信号処理と分析
ランダムカップリングニューラルネットワーク(RCNN)は、従来のパルス結合ニューラルネットワーク(PCNN)の問題点を解決し、生物学的ニューラルシステムに近づけた新しいニューラルネットワークモデルである。RCNNは、ニューロン間の接続を大幅に拡張し、ランダムな不活性化プロセスを導入することで、計算コストを抑えつつ確率的特性を実現している。RCNNは画像セグメンテーション、画像融合、パルス波形弁別などの分野で優れた性能を発揮する。
スパイキングニューラルネットワークのイベント駆動学習
SNNの効率的な学習方法を提案し、エネルギー効率と性能を向上させる。
© 2024 by Linnk AI