Extensión del algoritmo de codificación-decodificación basado en PWM para redes neuronales de impulsos

Ver/ abrir
Use este enlace para citar
http://hdl.handle.net/2183/33572
A non ser que se indique outra cousa, a licenza do ítem descríbese como Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/
Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Extensión del algoritmo de codificación-decodificación basado en PWM para redes neuronales de impulsosTítulo(s) alternativo(s)
Extension of the PWM-based encoding-decoding algorithm for Spiking Neural NetworksData
2023Cita bibliográfica
Lucas, S., Portillo, E., Guérin, L., Cabanes, I. 2023. Extensión del algoritmo de codificación-decodificación basado en PWM para redes neuronales de impulsos. XLIV Jornadas de Automática, 168-173. https://doi.org/10.17979/spudc.9788497498609.168
Resumo
[Resumen]
Las Redes Neuronales de Impulsos (Spiking Neural Networks, SNN) son la última generación de redes neuronales y tratan de imitar con mayor fidelidad el funcionamiento del cerebro humano codificando la información a través de spikes o series de impulsos. Debido a que la mayoría de procesos reales son analógicos, para emplear este tipo de redes es necesario el uso de algoritmos de codificación y decodificación. El algoritmo de codificación basado en PWM es un novedoso algoritmo temporal de codificación que supera con creces a sus algoritmos predecesores en la precisión a la hora de construir y reconstruir la señal original. A pesar de sus múltiples ventajas, este algoritmo necesita dos puntos cronológicos de la serie temporal original para poder codificar. En este sentido, resulta de interés poder aplicar este tipo de codificación en otro tipo de aplicaciones, como el tratamiento de imágenes, en las que no existe orden cronológico. Por tanto, en este trabajo se presenta una extensión de este algoritmo de codificación para que no sea necesario el uso de dos valores temporales consecutivos y así poder aplicarlo a cualquier tipo de aplicación. Además, la nueva extensión permite reducir en más de un 50% el coste computacional de los procesos de codificación y decodificación. [Abstract] Spiking Neural Networks (SNN) are the latest generation of neural networks and attempt to mimic human brain functioning more closely by encoding the information through spike trains. Since most of the real processes are analog, SNN requires the use of encoding-decoding algorithms. The PWM-based encoding-decoding algorithm is a novel temporal encoding algorithm that surpasses its predecessor algorithms in terms of precision. Despite its many advantages, this algorithm requires two chronological values from the original time series in order to encode a spike. In this sense, it is also interesting to be able to apply this algorithm to other types of application, such as image processing, where it does not exist a chronogical order of the points. Hence, this paper proposes an extension of the PWM-based encoding-decoding algorithm, in which is not necessary to employ two consecutive values in the encoding process, enabling the algorithm to be applied to any type of application. In addition, the new extension reduces the computational cost of encoding and decoding processes by more than 50 %.
Palabras chave
Diseño de metodologías
Validación de modelos
Redes neuronales
Formulación de modelos
Diseño de experimentos
Modelado de series temporales
Design methodologies
Model validation
Neural networks
Model formulation
Experiment design
Time series modelling
Validación de modelos
Redes neuronales
Formulación de modelos
Diseño de experimentos
Modelado de series temporales
Design methodologies
Model validation
Neural networks
Model formulation
Experiment design
Time series modelling
Versión do editor
Dereitos
Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/
ISBN
978‐84‐9749‐860‐9