Frameworks for SNNs: a Review of Data Science-oriented Software and an Expansion of SpykeTorch

要約

ニューロモルフィック (NM) 分野で機械学習 (ML) アプリケーション用の効果的な学習システムを開発するには、広範な実験とシミュレーションが必要です。
ソフトウェア フレームワークは、研究者が活用できるすぐに使用できる一連のツールを提供することで、このプロセスを支援および容易にします。
NM 技術に対する最近の関心により、これを行ういくつかの新しいフレームワークが開発されており、神経科学分野に属する既存のライブラリのパノラマに追加されています。
この作業では、特にデータ サイエンス アプリケーション向けのスパイキング ニューラル ネットワーク (SNN) を開発するための 9 つのフレームワークをレビューします。
さまざまな種類の研究を実行するための最も適切なフレームワークに関する決定をより簡単に指示するために、スパイクニューロンモデルと学習ルールの可用性を強調しています。
さらに、ユーザーが SNN に埋め込んでコードを公開するために、より幅広いニューロン モデルの選択肢にアクセスできるようにする SpykeTorch フレームワークの拡張機能を紹介します。

要約(オリジナル)

Developing effective learning systems for Machine Learning (ML) applications in the Neuromorphic (NM) field requires extensive experimentation and simulation. Software frameworks aid and ease this process by providing a set of ready-to-use tools that researchers can leverage. The recent interest in NM technology has seen the development of several new frameworks that do this, and that add up to the panorama of already existing libraries that belong to neuroscience fields. This work reviews 9 frameworks for the development of Spiking Neural Networks (SNNs) that are specifically oriented towards data science applications. We emphasize the availability of spiking neuron models and learning rules to more easily direct decisions on the most suitable frameworks to carry out different types of research. Furthermore, we present an extension to the SpykeTorch framework that gives users access to a much broader choice of neuron models to embed in SNNs and make the code publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google