大規模ANNのためのスパイクタイミングに依存した可塑シナプスモデルに対する検討

カテゴリ: 部門大会

論文No: PS1-8

グループ名: 【C】平成25年電気学会電子・情報・システム部門大会講演論文集

発行日: 2013/09/04

タイトル(英語): A study on Spike Timing Dependent Synaptic Plasticity Model for Large Scale Artificial Neural Network

著者名: 山下 大地(日本大学),眞下祐一 (日本大学),佐伯 勝敏(日本大学),関根 好文(日本大学)

著者名(英語): Daichi Yamashita(Nihon University),Yuichi Mashimo(Nihon University),Katsutoshi Saeki(Nihon University),Yoshifumi Sekine(Nihon University)

キーワード: CMOS|Spike Timing Dependent synaptic Plasticity|ANN|非線形電子回路|LSI|CMOS|Spike Timing Dependent synaptic Plasticity|ANN|Nonlinear electronics circuit|LSI

要約(日本語): 現在、生体のニューラルネットワークの情報処理においてシナプスの結合荷重が変化するシナプス可塑性が重要である。特に結合した細胞体の発振タイミングとその時間差に依存して結合荷重が変化するSpike　Timing　Dependent synaptic Plasticity（以下STDP）が注目されている。ニューラルネットワークは、ノイマン型コンピューターと違い、推論、学習、連想、認識など柔軟な情報処理が可能である。これを工学的に応用するために、シナプスの電子回路モデルが必要である。
本稿では、生理学的実験のデータに基づいたシナプスモデルを設計するために、STDPの学習則の一つである非対称型時間窓特性を出力可能なSTDP回路を提案した。その結果、MOSFETのON抵抗を用いて時定数を制御することで、大規模なANNに対応可能なシナプスモデルを設計できることを明らかにした。

PDFファイルサイズ: 2,043 Kバイト