| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-03 11:10 SAMスパイキングニューロンモデルの頻度コーディングにおける基本特性 ○本木 実（熊本高専）  NC2021-63 |
|
| 抄録 | （和） | エッジ学習AIデバイスとして情報を1ビットで表現するために演算効率が高くディジタル回路と親和性が高いスパイキングニューラルネットのうち，SAMニューロンモデルは，ポピュラーなLIFニューロンモデルよりも1つパラメータが多いモデルである．SAMニューロンモデルは，LIFニューロンモデルに比べてサンプリング間隔を長くとっても表現の精度が落ちにくい特長があり，数値表現の精度が高い．本稿では，頻度コーディング（rate coding）を用いた場合のSAM ニューロンの基本特性を明らかにする．さらにXORタスクに対し，シグモイド型ニューロンモデルを用いて表現した場合と同様な表現が，2-2-1の層型のSAMニューラルネット（シグモイド型のニューラルネットと同数のニューロン）で表現可能であることを示す． |
| （英） | he SAM neuron model is one of spiking neural networks that have high computational efficiency and familiarity for digital circuitry because of only 1 bit information expression as edge trainable AI device. The SAM neuron model has 1 more parameters than the LIF neuron model. The SAM neuron model has an advantage that it maintains a more accurate correspondence between the continuous and discrete representations, avoiding a reduction in the frequency of output spikes even if the sampling interval is wide. This paper describes a basic characteristics of the SAM neuron model with rate coding. Moreover, we show that the 2-2-1 multilayer SAM spiking neural network can express XOR task with the same number of neurons as the sigmoid type artificial neuron of the multilayer neural network. | |
| キーワード | （和） | スパイキングニューロン / SAMニューロンモデル / LIFニューロンモデル / 頻度コーディング / / / / |
| （英） | Spiking Neuron / SAM neuron model / LIF neuron model / rate coding / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 390, NC2021-63, pp. 88-93, 2022年3月. | |
| 資料番号 | NC2021-63 | |
| 発行日 | 2022-02-23 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2021-63 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2022-03-02 - 2022-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC, ME，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2022-03-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | SAMスパイキングニューロンモデルの頻度コーディングにおける基本特性 |
| サブタイトル（和） | |
| タイトル（英） | Basic characteristics of SAM spiking neuron model with rate coding |
| サブタイトル（英） | |
| キーワード(1)（和/英） | スパイキングニューロン / Spiking Neuron |
| キーワード(2)（和/英） | SAMニューロンモデル / SAM neuron model |
| キーワード(3)（和/英） | LIFニューロンモデル / LIF neuron model |
| キーワード(4)（和/英） | 頻度コーディング / rate coding |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 本木 実 / Minoru Motoki / モトキ ミノル |
| 第1著者 所属（和/英） | 熊本高専 (略称： 熊本高専) National Institute of Technology, Kumamoto College (略称： Kumamoto KOSEN) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-03 11:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2021-63 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.390 |
| ページ範囲 | pp.88-93 |
| ページ数 | 6 |
| 発行日 | 2022-02-23 (NC) |
[研究会発表申込システムのトップページに戻る]