Extensión del algoritmo de codificación-decodificación basado en PWM para redes neuronales de impulsos

• Lucas, Sergio ^[1] ; Portillo, Eva ^[1] ; Guérin, Léo ^[2] ; Cabanes, Itziar ^[1]
  1. [1] Universidad del País Vasco/Euskal Herriko Unibertsitatea

     Universidad del País Vasco/Euskal Herriko Unibertsitatea

     Leioa, España

     
  2. [2] Ecole Nationale Supérieure d'Électronique, Informatique, Télécommunications, Mathématique et Mécanique de Bordeaux (ENSEIRB)
• Localización: XLIV Jornadas de Automática: libro de actas: Universidad de Zaragoza, Escuela de Ingeniería y Arquitectura, 6, 7 y 8 de septiembre de 2023, Zaragoza / coord. por José Manuel Andújar Márquez, Ramón Costa Castelló, Alejandro R. Mosteo, Vanesa Loureiro-Vázquez, Elisabet Estévez Estévez, David Muñoz de la Peña Sequedo, Carlos Vilas Fernández, Luis Enrique Montano Gella, Pedro Jesús Cabrera Santana, Raúl Marín, Eduardo Rocón de Lima, Manuel Gil Ortega Linares, Óscar Reinoso García, Luis Payá Castelló, 2023, ISBN 9788497498609, págs. 168-173
• Idioma: español
• Títulos paralelos:
  • Extension of the PWM-based encoding-decoding algorithm for Spiking Neural Networks
• Enlaces
  • Texto completo
• Resumen
  • español

    Las Redes Neuronales de Impulsos (Spiking Neural Networks, SNN) son la última generación de redes neuronales y tratan de imitar con mayor fidelidad el funcionamiento del cerebro humano codificando la información a través de spikes o series de impulsos. Debido a que la mayoría de procesos reales son analógicos, para emplear este tipo de redes es necesario el uso de algoritmos de codificación y decodificación. El algoritmo de codificación basado en PWM es un novedoso algoritmo temporal de codificación que supera con creces a sus algoritmos predecesores en la precisión a la hora de construir y reconstruir la señal original. A pesar de sus múltiples ventajas, este algoritmo necesita dos puntos cronológicos de la serie temporal original para poder codificar. En este sentido, resulta de interés poder aplicar este tipo de codificación en otro tipo de aplicaciones, como el tratamiento de imágenes, en las que no existe orden cronológico. Por tanto, en este trabajo se presenta una extensión de este algoritmo de codificación para que no sea necesario el uso de dos valores temporales consecutivos y así poder aplicarlo a cualquier tipo de aplicación. Además, la nueva extensión permite reducir en más de un 50% el coste computacional de los procesos de codificación y decodificación.

  • English

    Spiking Neural Networks (SNN) are the latest generation of neural networks and attempt to mimic human brain functioning more closely by encoding the information through spike trains. Since most of the real processes are analog, SNN requires the use of encoding-decoding algorithms. The PWM-based encoding-decoding algorithm is a novel temporal encoding algorithm that surpasses its predecessor algorithms in terms of precision. Despite its many advantages, this algorithm requires two chronological values from the original time series in order to encode a spike. In this sense, it is also interesting to be able to apply this algorithm to other types of application, such as image processing, where it does not exist a chronogical order of the points. Hence, this paper proposes an extension of the PWM-based encoding-decoding algorithm, in which is not necessary to employ two consecutive values in the encoding process, enabling the algorithm to be applied to any type of application. In addition, the new extension reduces the computational cost of encoding and decoding processes by more than 50 %.