定向选择性的反复模型使混合信号神经形态硬件中的强大的早期视觉处理成为可能
Valentina Baruzzi1, Giacomo Indiveri2, Silvio P Sabatini3
1Department of Informatics, Bioengineering, Robotics and Systems Engineering, University of Genoa, Via Opera Pia 13, I-16145, Genoa, Italy.
Nature communications
|January 2, 2025
概括
神经形态电路可以模仿生物神经系统. 这项研究表明,杂电路如何为视觉处理创建调的受体场,优化硬件使用.
科学领域:
- 神经形态工程的神经形态工程
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 混合信号模拟/数字神经形态电路提供生物神经动态的实时模拟.
- 这些电路,就像生物神经元一样,具有有限的分辨率和显著的可变性.
- 现有的模型经常在异质性和资源优化方面扎.
研究的目的:
- 为了研究杂和异质的神经形态电路如何形成功能神经处理单元.
- 用一个反复的尖端神经网络来建模视网膜皮层视觉路径.
- 为了证明在非理想的硬件基板上生成调的受体场.
主要方法:
- 开发了一种循环尖端神经网络 (RSNN) 模型.
- 在混合信号神经形态基板上模拟了视网膜皮层视觉路径.
- 分析了模型产生的受体场的属性.
主要成果:
- 该模型成功地产生了符合特定方向和空间频率的线性受体场.
- 产生了具有不同相对称性的Gabor-like受容场,性能优于前计划.
- 证明了硬件资源 (突触连接,神经元数量) 的最佳利用.
结论:
- 噪音和异质的神经形态电路可以实现强大的感官处理.
- 神经计算的原则使有效的视觉处理,尽管硬件限制.
- 该方法验证了对生物现实的神经系统使用模拟电路和记忆装置的有效性.
更多相关视频
07:52Multiscale Investigations of Cortical Processing by Integrating Laminar Polytrodes and Optogenetics with Micro Electrocorticography in Rodents
Published on: May 23, 2025
59
10:50Computational Modeling of Retinal Neurons for Visual Prosthesis Research - Fundamental Approaches
Published on: June 21, 2022
1.7K
