신경 공학 물체

Neural Engineering Object
NENGO는 여기서 리다이렉트 됩니다.일본 시대 달력 구도의 요소는 일본 연호를 참조해 주세요.

Neural Engineering Object(Nengo)는 대규모 신경 [1]시스템을 시뮬레이션하기 위한 그래픽 및 스크립트 소프트웨어입니다.Neural Network Software Nengo는 인지과학, 심리학, 인공지능 및 신경과학 분야에서 응용된 뉴럴 네트워크를 모델링하는 도구입니다.

역사

연고의 어떤 형태는 2003년부터 존재해 왔다.원래는 NESIM(Neural Engineering Simulator)이라는 이름으로 Matlab 스크립트로 개발되었지만, 나중에 NEO라는 이름으로 Java 구현으로 옮겨졌고, 그 후 Nengo라는 이름으로 바뀌었습니다.Nengo의 첫 3세대는 단순한 인터페이스와 스크립팅 시스템을 갖춘 강력한 모델링 도구 개발에 중점을 두고 개발되었습니다.툴이 점점 더 유용해짐에 따라 속도 측면에서 시스템의 제약으로 인해 백엔드에 구애받지 않는 API가 개발되었습니다.Nengo의 가장 최근의 반복은 Numpy, OpenCL 및 [2][3]Spinnaker와 같은 Neuromaphy 하드웨어를 대상으로 하는 백엔드를 가진 특정 Python 기반 스크립팅 API를 정의합니다.이 최신 버전에는 신경 [4]모델의 빠른 프로토타이핑에 도움이 되는 대화형 GUI도 포함되어 있습니다.

Nengo는 개인 및 리서치 무료 사용을 허용하는 커스텀 라이선스를 사용하지만 상업적 목적을 [5]위해서는 유료 라이선스가 필요합니다.

이론적 배경

Nengo는 Neural Engineering Framework(NEF)[6]와 SPA([7]Semantic Pointer Architecture)라는 두 가지 이론적 토대를 기반으로 구축되었습니다.

뉴럴 엔지니어링 프레임워크

Nengo는 뉴런과 뉴런의 강점을 모델링하는 방식에 있어서 주로 다른 모델링 소프트웨어와 다르다.NEF를 [8]사용하여 Nengo는 가중치를 수동으로 설정하거나 학습 규칙을 사용하여 무작위로 [9]시작하는 대신 계산할 함수를 지정함으로써 스파이킹 뉴런 모집단 간의 연결 가중치를 정의할 수 있습니다.즉, 앞서 언급한 전통적인 모델링 방법은 Nengo에서 여전히 사용할 수 있습니다.

시멘틱 포인터 아키텍처

Nengo 기호를 나타내기 위해 SPA가 사용됩니다.인간의 인식의 많은 측면은 기호를 사용하여 모델을 만드는 것이 더 쉽다.Nengo에서는, 이것들은 일련의 연산을 수반하는 벡터로 표시됩니다.이러한 벡터와 그 동작을 SPA라고 부릅니다.SPA는 인간의 언어 검색[10] 및 작업 [11]계획을 모델링하기 위해 사용되어 왔습니다.

적용들

Nengo 소프트웨어를 사용하여 이루어진 주목할 만한 발전은 여러 분야에서 이루어졌으며, Nengo는 100개가 넘는 [12]출판물에서 사용되고 인용되었습니다.주목해야 할 중요한 발전은 660만[13] 개의 인공 스파이킹 뉴런의 네트워크인 스파운이다. 스파운은 유연한 조정을 통해 인지 작업을 완료하기 위해 이러한 뉴런 그룹을 사용한다.스파운은 세계에서 가장 큰 기능성 뇌 모델이며, [14]신경과학의 가설을 테스트하는데 사용될 수 있습니다.

레퍼런스

  1. ^ Bekolay T, Bergstra J, Hunsberger E, Dewolf T, Stewart TC, Rasmussen D, Choo X, Voelker AR, Eliasmith C (2014). "Nengo: a Python tool for building large-scale functional brain models". Front Neuroinform. 7: 48. doi:10.3389/fninf.2013.00048. PMC 3880998. PMID 24431999.
  2. ^ Friedl, K. E.; Voelker, A. R.; Peer, A.; Eliasmith, C. (1 January 2016). "Human-Inspired Neurorobotic System for Classifying Surface Textures by Touch" (PDF). IEEE Robotics and Automation Letters. 1 (1): 516–523. doi:10.1109/LRA.2016.2517213. ISSN 2377-3766. S2CID 6401430.
  3. ^ Nengo History, 2016-10-28 취득.
  4. ^ Nengo GUI 소스 코드. 2016-10-28을 취득했습니다.
  5. ^ Nengo 라이선스, 2016-10-28 취득.
  6. ^ Eliasmith, Chris; Anderson, Charles H. (2003). Neural engineering : computation, representation, and dynamics in neurobiological systems. MIT Press. ISBN 9780262550604.
  7. ^ 엘리아미스 2013
  8. ^ Stewart, Terrence C. (2012). A technical overview of the neural engineering framework (PDF) (Technical report). Vol. 110. Centre for Theoretical Neuroscience, University of Waterloo.
  9. ^ Nengo FAQ, 2016-10-28 회수.
  10. ^ Kajić, Ivana; Gosmann, Jan; Stewart, Terrence C.; Wennekers, Thomas; Eliasmith, Chris (2016). "Towards a cognitively realistic representation of word associations" (PDF). Proceedings of the 38th Annual Conference of the Cognitive Science Society. Cognitive Science Society. pp. 2183–8. ISBN 978-0-9911967-3-9.
  11. ^ Blouw, Peter; Eliasmith, Chris; Tripp, Brian (2016). "A scaleable spiking neural model of action planning". Proceedings of the 38th Annual Conference of the Cognitive Science Society. Cognitive Science Society. pp. 1583–8. ISBN 978-0-9911967-3-9.
  12. ^ "Archived copy". Archived from the original on 2018-02-03. Retrieved 2018-02-02.{{cite web}}: CS1 maint: 제목으로 아카이브된 복사(링크)
  13. ^ Xuan Choo (2018). Spaun 2.0: Extending the World's Largest Functional Brain Model (PhD thesis). University of Waterloo. hdl:10012/13308.
  14. ^ Eliasmith, C.; Stewart, T.C.; Choo, X.; Bekolay, T.; DeWolf, T.; Tang, Y.; Rasmussen, D. (2012). "A large-scale model of the functioning brain". Science. 338 (6111): 1202–5. Bibcode:2012Sci...338.1202E. doi:10.1126/science.1225266. PMID 23197532. S2CID 1673514.

추가 정보

  • Eliasmith, Chris (2013). How To Build A Brain. Oxford University Press. ISBN 978-0199794546.