KIP-Veröffentlichungen

Diese Arbeit präsentiert einen Ansatz zur Verarbeitung auditiver Stimuli mit Rekurrenten Neuronalen Netzwerken auf dem neuromorphen Hardware Prototypen HICANN-DLS.
Auditive Stimuli besitzen eine hohe Anzahl von Spike Kanälen. Bei typischen akustischen Signalen beinhalten allerdings nur einige zu bestimmten Frequenzbereichen gehörende Kanäle relevante Information. Die Ressourcen des verwendeten HICANN-DLS Chips sind, insbesondere im Hinblick auf die Anzahl realisierbarer synaptischer Verbindungen, begrenzt. Er ermöglicht jedoch die Implementierung von Struktureller Plastizität, einer ständigen Neuordnung der Synapsen.
In einem Versuch, bei auditiven Stimuli die relevanten Kanäle auszuwählen, wurde eine Strukturelle Plastizitätsregel eingesetzt, die in jeder Synapse einen von mehreren verfügbaren Eingängen basierend auf der Korrelation von prä- und postsynaptischen Spikezeiten auswählt. In Experimenten mit künstlichen Stimuli, die ähnliche Korrelationsmuster wie auditive Stimuli aufweisen, wurde eine Präferenz der Synapsen beobachtet, an stark korrelierte Kanäle zu koppeln. Bei Stimulation mit auditiven Stimuli aus einem Datensatz gesprochener Ziffern wurde ebenfalls eine erhöhte Koppelung an Kanäle mit hoher Korrelation demonstriert. In diesen Kanälen tritt starke Korrelation zusammen mit einem hohen Informationsgehalt über die gesprochenen Ziffern auf.

This thesis presents an approach to processing auditory stimuli with recurrent neural networks implemented on the HICANN-DLS neuromorphic hardware prototype.
Auditory stimuli consist of many spike channels. For typical acoustic signals, however, only certain spike channels corresponding to particular frequency bands hold relevant information. While the employed HICANN-DLS chip has limited resources, especially in terms of possible synaptic connections, the implementation of structural plasticity, a constant rewiring of synapses, is possible.
In an attempt to select the relevant channels of auditory stimuli, a structural plasticity rule is realized that chooses one of multiple inputs provided to each synapse based on pre-postsynaptic spike-time correlation.In experiments performed with artificial stimuli constructed to mimic correlation patterns found in auditory stimuli, a preference of synapses to couple to strongly correlated inputs was observed. An increased coupling to channels with high correlation was also demonstrated for stimulation with actual auditory stimuli from a dataset of spoken digits. Correlation in these channels coincides with high information on the digits.