XiaoMi-AI文件搜索系统
World File Search SystemOsc
基于高性能神经形态计算的低变差阈值开关设备振荡神经元
摘要：高功率和低变异性人工神经元设备非常需要高性能神经形态综合。在本文中，基于低可变性Ag纳米（NDS）阈值开关（TS）设备的振荡神经元具有低操作电压，较大的ON/OFF/OFF比率和高均匀性。测量结果表明，该神经元的示范在低至1 V的施加电压下表现出自振荡行为。振荡频率随施加的电压脉冲振幅而增加，并且随着载荷电阻而降低。然后，当振荡神经元连接到用于神经形态计算的RRAM Crossbar AR-Ray的输出时，可以准确地评估电阻随机记忆（RRAM）突触权重。同时，模拟结果表明，由于AG NDS TS设备的高开/OFF比（> 10 8），我们的振荡神经元可以通过我们的振荡神经元来支持大的RRAM横杆阵列（> 128×128）。此外，AG NDS TS设备的高均匀性有助于提高输出频率的分布并抑制神经网络识别精度的降解（<1％）。因此，基于AG NDS设备的开发的振荡神经元显示出对未来神经形态计算应用的巨大潜力。
具有神经振荡和尖峰相信息的深尖峰神经网络
深度尖峰神经网络（DSNN）是一个有希望的人为智能的构成模型。它通过层次结构从DNN和SNN中受益，分别提供多个级别的抽象和事件驱动的综合方式，分别提供超低功率的神经形态实现。然而，如何有效地训练DSNN仍然是一个空旷的问题，因为不可差的尖峰函数可以防止直接应用于DSNN的传统后反向传播（BP）学习算法。在这里，受到生物神经网络的发现的启发，我们通过向DSNN引入神经振荡和尖峰信息来解决上述问题。特别是，我们提出了振荡后电势（OS-PSP）和相锁的活动函数，并进一步提出了新的尖峰神经元模型，即共鸣尖峰神经元（RSN）。基于RSN，我们为DSNN提供了峰值级依赖性的后传播（SLDBP）学习算法。实验结果表明，所提出的学习算法解决了由于BP学习算法 - rithm和SNN之间不兼容而引起的问题，并在基于尖峰的学习算法中实现了最先进的表现。这项工作提出了引入以生物学启发的机制的贡献，例如神经振荡和尖峰期信息对DSNNS，并为设计未来的DSNN提供了新的观点。
物体识别过程中脑震荡活动的表征内容：对比皮质和深层神经网络层次
摘要 许多理论都提出脑振荡在视觉感知中起着关键作用。这些理论中的大多数都假定感觉信息被编码在特定频带的特定振荡分量（例如功率或相位）中。这些理论通常用低空间分辨率的全脑记录方法（EEG 或 MEG）或提供局部、不完整大脑视图的深度记录来测试。弥合局部神经群和全脑信号之间差距的机会很少。在这里，我们使用人类参与者的表征相似性分析 (RSA) 来探索哪些 MEG 振荡分量（功率和相位，跨不同频带）对应于低级或高级视觉对象表征，使用来自 fMRI 的大脑表征或七个最新深度神经网络 (DNN) 中的分层表征作为低级/高级对象表征的模板。结果表明，在刺激开始和结束前后，大多数瞬态振荡信号与低级大脑模式 (V1) 相关。在刺激呈现期间，持续的 b ( ; 20 Hz) 和 g ( . 60 Hz) 功率与 V1 最相关，而振荡相位分量与 IT 表征相关。令人惊讶的是，这种结果模式并不总是对应于低级或高级 DNN 层活动。特别是，持续的 b 波段振荡功率反映了高级 DNN 层，暗示存在反馈分量。这些结果开始弥合全脑振荡信号与局部神经元激活支持的对象表征之间的差距。
物体识别过程中脑震荡活动的表征内容：对比皮质和深层神经网络层次
版权所有 © 2021 Reddy 等人。这是一篇开放获取的文章，根据知识共享署名 4.0 国际许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是正确署名原始作品。
通过可感知和非感知的脑振荡同步...
目标和背景：数十年来，稳态视觉诱发电位 (SSVEP) 领域的研究已经揭示了节律性光刺激在脑机接口方面的巨大潜力。此外，节律性光刺激为大脑振荡活动的同步提供了一种非侵入性方法。特别有效的方案能够实现不可感知的节律性刺激，从而减少眼睛疲劳和用户不适，这是有利的。在这里，我们通过要求参与者 (a) 在显性注意力条件下直接关注刺激源或 (b) 在隐性注意力条件下关注刺激源下方的十字线，研究 (1) 可感知和 (2) 不可感知的节律性光刺激的影响以及刺激对注意力的影响。
大脑振荡及其对神经康复的影响
神经振荡，也称为脑波，是中枢神经系统（CNS）中的节奏或重复神经活动。振荡活性源自单个神经元或神经间相互作用。在单个神经元水平上，振荡可以作为静息电位的波动或动作电位的节奏而出现，这可以诱导突触后神经元振荡[1-3]。在神经集合的水平上，多个神经元的同步活性唤起了宏观振荡，可以在脑电图上观察到。宏观神经振荡通常是由可能影响多种神经元放电模式的神经内连接引起的。这些神经元之间的相互作用会在各种频带上引起振荡。
自发静息状态振荡的临界动力学与 Go/Nogo 任务中与注意相关的 P300 ERP 相关
持续注意力是指即使在有干扰的情况下也能持续集中注意力于与任务相关的信息的能力。了解这种能力背后的神经机制对于理解注意力过程以及以注意力缺陷为特征的神经精神疾病（如注意力缺陷多动障碍 (ADHD)）至关重要。在这项研究中，我们旨在调查静息期间特征样临界振荡与 P300 诱发电位（一种常用于评估注意力缺陷的生物标志物）之间的关系。我们测量了静息状态 EEG 振荡中的长距离时间相关性 (LRTC) 作为信号临界性的指标。此外，在遵循古怪范式的连续执行任务中，受试者的注意力表现被评估为反应时间变异性 (RTV)。在此任务期间从 EEG 记录中获得 P300 幅度和延迟。我们发现，在控制任务表现的个体差异后，LRTC 与 P300 幅度呈正相关，但与延迟无关。与先前的研究结果一致，持续注意力任务中的良好表现与更高的 P300 振幅和更早的峰值延迟有关。出乎意料的是，我们观察到静息期间持续振荡的 LRTC 与 RTV 之间存在正相关关系，这表明静息期间大脑振荡的临界性越高，任务表现越差。总之，我们的结果表明，在临界状态附近运作的静息状态神经元活动与更高 P300 振幅的产生有关。接近临界状态的大脑动态可能会促进计算优势状态，从而促进产生更高事件相关电位 (ERP) 振幅的能力。
Jr. Oscar Barton，PE，PE是Morgan State University Clarence M. Mitchell，Jr。工程学院的教授和院长。洗衣机的本地人Jr. Oscar Barton，PE，PE是Morgan State University Clarence M. Mitchell，Jr。工程学院的教授和院长。洗衣机的本地人
在美国海军学院及其163年的历史上，巴顿博士是仅有的三名非洲裔美国人之一，是终身终身教授的职级，也是第一个在工程和武器部门的里程碑。在2010年，他担任机械工程部门主席，负责其战略领导和计划其教职员工，中级学生团体，课程和资源。在担任主席期间，该部门恢复并认可了通用工程计划，并创建了核工程计划，这是该学院首次产品。Barton博士主持了I司最大的部门，由42名平民和军事教师组成，并在能源和推进，核能，结构和材料以及设计方面促进了充满活力的研究和学术环境。Barton博士主持了I司最大的部门，由42名平民和军事教师组成，并在能源和推进，核能，结构和材料以及设计方面促进了充满活力的研究和学术环境。
将传统示波器 FFT 与 Spectrum View 频谱分析进行比较，用于测量电源控制环路频率响应
尽管频率响应分析通常使用专用设备进行，但可以使用较新的示波器来测量电源控制环路的响应。这种分析通常被称为亨德里克·韦德·波德 (Hendrik Wade Bode) 的波特图。传统上，这种分析使用 FFT 算法来测量系统在目标频率范围内的增益和相位。一些新型示波器（例如 4、5 和 6 系列 MSO）在所有通道上采用专用数字下变频器，这些下变频器独立于时域采样率和记录长度运行。此功能称为“频谱视图”，以区别于传统 FFT，可用于改善频率响应分析的结果。本白皮书使用传统 FFT 和频谱视图对两种不同的被测设备 (DUT) 的波特图（也称为控制环路响应）进行了比较。