神经形态嗅觉回路中的快速在线学习与鲁棒回忆
神经与进化计算
2020-05-26 v3 神经元与认知
摘要
我们提出一种基于哺乳动物嗅球架构并在Intel Loihi神经形态系统上实现的神经算法，用于噪声下气味样本的 rapid online learning 与识别。如同生物嗅觉，该基于脉冲时序的算法利用分布式、事件驱动的计算和快速（一次性）在线学习。脉冲时序依赖可塑性规则在连续的gamma频率包上迭代运行，从风洞中化学传感器阵列的活动构建气味表征。学习到的气味随后在强破坏性干扰下仍能被可靠识别。神经调制和情境启动进一步增强了抗噪性。成年神经发生赋予了终身学习能力。该算法适用于任何高维信号嵌入未知背景中的信号识别问题。
引用
@article{arxiv.1906.07067,
title = {Rapid online learning and robust recall in a neuromorphic olfactory circuit},
author = {Nabil Imam and Thomas A. Cleland},
journal= {arXiv preprint arXiv:1906.07067},
year = {2020}
}
备注
52 text pages; 8 figures. Version 3 includes a new figure and additional details