Learning in Silicon Beyond STDP: A Neuromorphic Implementation of Multi-Factor Synaptic Plasticity With Calcium-Based Dynamics
Learning in Silicon Beyond STDP: A Neuromorphic Implementation of Multi-Factor Synaptic Plasticity With Calcium-Based Dynamics
复制标题
超越 STDP 的硅学习：基于钙动力学的多因素突触可塑性的神经形态实现
DOI：
10.1109/tcsi.2016.2616169
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Chicca
中科院分区：
文献类型：
--
作者：
Maldonado Huayaney;Chicca
自治系统必须能够适应不断变化的环境。这种适应性需要大量的计算资源用于学习，与人类和动物相比，目前的人工系统缺乏这些资源。我们的目标是生产超大规模集成电路尖峰神经网络，其特征是类似于生物学中的学习结构，目标是实现自然系统的性能和效率。神经科学文献表明，钙离子在解释长时程突触可塑性对多种因素的依赖性方面起着关键作用，如尖峰时间和刺激频率。在这里，我们提出了一种新的VLSI实现的钙为基础的突触可塑性模型，模型和电路模拟之间的比较，以及制造电路的测量。
Autonomous systems must be able to adapt to a constantly-changing environment. This adaptability requires significant computational resources devoted to learning, and current artificial systems are lacking in these resources when compared to humans and animals. We aim to produce VLSI spiking neural networks which feature learning structures similar to those in biology, with the goal of achieving the performance and efficiency of natural systems. The neuroscience literature suggests that calcium ions play a key role in explaining long-term synaptic plasticity's dependence on multiple factors, such as spike timing and stimulus frequency. Here we present a novel VLSI implementation of a calcium-based synaptic plasticity model, comparisons between the model and circuit simulations, and measurements of the fabricated circuit.
登录
查看更多内容
影响因子：
--
作者：
Hafliger, Philipp
通讯作者：
Hafliger, Philipp
纳米级 CMOS 的挑战和设计选择
DOI：
10.1145/1063803.1063805
发表时间：
2005
期刊：
ACM J. Emerg. Technol. Comput. Syst.
影响因子：
--
作者：
S. Narendra
通讯作者：
S. Narendra
DOI：
10.1073/pnas.0502332102
发表时间：
2005-07-05
影响因子：
11.1
作者：
O'Connor, DH;Wittenberg, GM;Wang, SSH
通讯作者：
Wang, SSH
影响因子：
4.6
作者：
Giulioni M;Corradi F;Dante V;del Giudice P
通讯作者：
del Giudice P
低功耗宽线性范围跨导放大器
影响因子：
1.4
作者：
R. Sarpeshkar;R. Lyon;C. Mead
通讯作者：
C. Mead