MétaCan
Menu
Retour à la cohorte
Enregistrement W4311224397 · doi:10.1109/icecs202256217.2022.9970933

Digital Realization of Conductance-Based Adaptive Exponential Integrate-and-Fire Neuron Model

2022· article· en· W4311224397 sur OpenAlexaff
Mahsasadat Seyedbarhagh, Narjes Zamani, Arash Ahmadi, Majid Ahmadi

Notice bibliographique

Revue2022 29th IEEE International Conference on Electronics, Circuits and Systems (ICECS) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésNeuromorphic engineeringComputer scienceRealization (probability)Artificial neuronBiological neuron modelField (mathematics)Computer architectureExponential functionComputer engineeringArtificial intelligenceComputational scienceArtificial neural networkMathematics

Résumé

récupéré en direct d'OpenAlex

The field of neuromorphic engineering is a multidisciplinary research topic which incorporates the knowledge of Neuroscience, physics, biology, and electronic engineering in order to replicate the neurological patterns of human brain. This paper presents a digital design based on CORDIC algorithm for a biologically inspired neuron model called Conductance-Based Adaptive Exponential Integrate-and-Fire (CAdEx) neuron model which is recently proposed by Gorski. The low-cost hardware implementation for the proposed model is capable of reproducing the same spiking activity of the original biological model. The modified digital architecture has been physically implemented on field programmable gate arrays. A maximum frequency of 129 MHz is obtained for the modified design.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,059
Tête enseignante GPT0,257
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 29th IEEE International Conference on Electronics, Circuits and Systems (ICECS)Même sujetAdvanced Memory and Neural ComputingTravaux en français237 207