結合されたウィルソンニューロンモデルのデジタルマルチプライヤーレス実現

人間の脳は、約1 msのスイッチング速度で1011ニューロンで構成されています。生物学的ニューロンモデルのモデリング、シミュレーション、および実装を含むスパイクニューラルネットワークを研究することは、脳と関連する疾患について学び、より効率的なバイオミミックプロセッサとよりスマートなロボットを設計するのに役立ちます。このようなアプリケーションにより、神経形態の研究のこの部分が非常に人気がありました。この論文では、ウィルソンニューロンモデルが、プラットフォームでの効率的なデジタル実現のために調整されるHodgkin-Huxley生物モデルの近似として実装されています。結果は、提案されたモデルがニューロンの動的な動作を適切に再現できることを示しています。フィールドプログラム可能なゲートアレイ（FPGA）のハードウェアの実装は、ウィルソンのオリジナルモデルの変更が、実現可能性を使用して、低コストと高効率をターゲットにすることに加えて、ニューロンの生物学的挙動を模倣することを示しています。この変更により、元のモデルと比較して15％のスピードアップが得られました。平均化されたルート平均平方根誤差、ルート平均平方根誤差、および平均絶対誤差パラメーターは、それぞれ6.43、0.44、および0.31です。

The human brain is composed of 1011 neurons with a switching speed of about 1 ms. Studying spiking neural networks, including the modeling, simulation, and implementation of the biological neuron models, helps us to learn about the brain and the related diseases, or to design more efficient bio-mimic processors and smarter robots. Such applications have made this part of neuromorphic research works very popular. In this paper, the Wilson neuron model has been implemented as an approximation of the Hodgkin-Huxley biological model that is adjusted for the efficient digital realization on the platforms. Results show that the proposed model can adequately reproduce neuron dynamical behaviors. The hardware implementation on the field-programmable gate array (FPGA) shows that our modifications on the Wilson original model imitate the biological behavior of neurons, besides using feasibility, targeting a low cost and high efficiency. The modifications raised a 15% speed-up compared with the original model. The mean normalized root-mean-square error, root-mean-square error, and the mean absolute error parameters are 6.43, 0.44, and 0.31, respectively.