基于突触装置的神经形态系统用于生物医学应用
Seojin Cho1, Chuljun Lee2, Daeseok Lee1
1School of Semiconductor System Engineering, Kwangwoon University, 20 Kwangwoonro, Nowon-Gu, Seoul 01897 Republic of Korea.
Biomedical engineering letters
|November 11, 2024
概括
受大脑启发的神经形态系统提供了高效的,低功耗的复杂数据识别. 这项研究证明了它们在使用突触装置的老鼠神经信号识别系统中的使用.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 电气工程 电气工程
背景情况:
- 由于特征提取的局限性,非结构化数据对传统系统构成识别挑战.
- 由于噪音和数据量,生物神经信号需要先进的识别方法.
- 神经形态系统提供并行性,低功耗和错误耐受性,受到人类大脑的启发.
研究的目的:
- 探索神经形态系统用于高效的数据识别的应用.
- 突出突触设备在深度神经网络 (DNN) 硬件实现中的作用.
- 介绍基于突触装置的神经形态系统用于神经信号识别的生物医学应用.
主要方法:
- 利用深度神经网络 (DNN) 来进行学习 (特征提取) 和测试 (特征匹配).
- 利用神经形态系统固有的并行性和低功耗.
- 使用基于突触装置的神经形态硬件实现鼠标神经信号识别系统.
主要成果:
- 神经形态系统能够高效地处理大,不精确的数据集,使用最小的能量.
- 交互点设备作为硬件DNN实现的核心单元.
- 成功演示了一种老鼠神经信号识别系统.
结论:
- 神经形态系统,特别是具有突触设备硬件的系统,是识别复杂和杂数据的有希望的解决方案.
- 这些系统的并行处理能力克服了传统的·诺伊曼架构的局限性.
- 这种方法对诸如神经信号分析之类的生物医学应用具有重大潜力.
