MétaCan
Menu
Retour à la cohorte
Enregistrement W4403044638 · doi:10.5755/j02.eie.38220

Logical Resonance in Izhikevich Neuron

2024· article· en· W4403044638 sur OpenAlexaff
Vedat Burak Yucedag, Ilker Dalkiran, Arash Ahmadi

Notice bibliographique

RevueElektronika ir Elektrotechnika · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensCarleton University
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma KurumuErciyes Üniversitesi
Mots-clésResonance (particle physics)Computer sciencePhysicsAtomic physics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a new logic element model based on an Izhikevich (IZ) neuron and neural system that emulates two- and three-state logic behaviours. In a noise-free environment, with a periodic current of suitable amplitude and frequency, the IZ system is capable of performing logical AND and OR operations. Initially, a single IZ neuron demonstrates membrane dynamics in response to an input signal generated by combining two-state logic currents below the threshold. Subsequently, an IZ neural system model is introduced to enhance the reliability and resilience of the system. This model is characterised by electrical coupling with fast conduction and chemical coupling with a more adaptable structure. Each logic input independently influences each neuron within the system. Additionally, it has been observed that the reliability of the logic element is influenced by changes in synaptic strength, with a neural system lacking sufficient synaptic strength failing to generate logical output. Furthermore, the system displays a three-state logic behaviour under suitable forcing periodicity, thus enhancing the power efficiency of the logic element. The proposed IZ neuron and neural system are expected to significantly impact the development of brain-inspired logic elements.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElektronika ir ElektrotechnikaMême sujetNeural Networks and ApplicationsTravaux en français237 207