海马体仿生计算记忆模型:一种基于脉冲的内容寻址记忆神经形态方法
神经与进化计算
2023-10-10 v1 机器学习
摘要
大脑具备超越现代系统的计算能力,能够以简单方式高效解决复杂问题。神经形态工程旨在模仿生物以开发可融合此类能力的新系统。仿生学习系统仍是一项尚待解决的挑战,这方面仍需大量工作。在所有脑区中,海马体作为一种自联想短期记忆脱颖而出,能够从任意记忆片段中学习并回忆记忆。这些特性使海马体成为开发仿生学习系统的理想候选,且此类系统还类似于内容寻址记忆。因此,本工作中我们提出一种基于海马体CA3区的仿生脉冲内容寻址记忆模型,能够从任意记忆片段中学习、遗忘并回忆正交与非正交记忆。该模型使用脉冲神经网络在SpiNNaker硬件平台上实现。我们开展了一系列基于功能性、压力性与适用性测试的试验以证明其正确运行。本工作提出了首个全功能仿生脉冲海马内容寻址记忆模型的硬件实现,为未来更复杂神经形态系统的开发铺平了道路。
引用
@article{arxiv.2310.05868,
title = {Bio-inspired computational memory model of the Hippocampus: an approach to a neuromorphic spike-based Content-Addressable Memory},
author = {Daniel Casanueva-Morato and Alvaro Ayuso-Martinez and Juan P. Dominguez-Morales and Angel Jimenez-Fernandez and Gabriel Jimenez-Moreno},
journal= {arXiv preprint arXiv:2310.05868},
year = {2023}
}
备注
15 pages, 5 figures, journal, Spiking Neural Network