在FPGA上实现的章鱼细胞的切换和学习行为
Alexej Tschumak1, Frank Feldhoff2, Frank Klefenz3
1Audio Communication Group, Technische Universität Berlin, Berlin, Germany.
Mathematical biosciences and engineering : MBE
|June 14, 2024
概括
为章鱼神经元开发了一种新的学习规则,使突触重量调整用于模式识别. 这种生物灵感模型在现场可编程网关阵列 (FPGA) 硬件上成功实现了实时感官处理.
科学领域:
- 计算神经科学是一种神经科学.
- 神经形态工程的神经形态工程
- 人工智能的人工智能
背景情况:
- 章鱼神经元表现出独特的计算特性,包括树状中心处理.
- 峰值时间依赖的可塑性 (STDP) 是生物神经网络中突触学习的基本机制.
- 在硬件中实现复杂的神经学习规则仍然是一个重大挑战.
研究的目的:
- 为了获得一个单个章鱼神经元的树中心逆向传播STDP学习规则.
- 在现场可编程网关阵列 (FPGA) 硬件上实现和验证此学习规则.
- 通过使用尖端耳图来证明基于硬件的感觉处理的概念证明.
主要方法:
- 导出基于时间逻辑的新型学习规则,用于章鱼神经元建模.
- 在训练阶段[0,1]范围内的突触重量调整.
- 在FPGA硬件上实现学习和切换行为.
- 使用尖峰耳图作为输入和与软件模拟进行比较的验证.
主要成果:
- 成功推导出一个树突中心反向传播的STDP学习规则.
- 在FPGA硬件中展示了章鱼神经元的学习和尖端行为.
- 实现了概念验证,显示了传感输入模式的有效处理 (尖端耳图).
- 硬件实现性能与标准软件模拟结果进行验证.
结论:
- 开发的学习规则能够以生物学上可信的方式进行自适应性突触重量调整.
- FPGA实现为实时,硬件加速的神经计算提供了可行的途径.
- 这项工作为能够处理复杂感官数据的高级神经形态系统提供了基础.
