Neurônios LIF Analógicos para Implementação de Redes Neurais Pulsadas

Abstract

NENGO é uma biblioteca implementada em Python que permite criar redes neurais com base nos modelos matemáticos dos neurônios biológicos. Os neurônios simulados nela podem ser considerados biologicamente plausíveis devido à sua saída em pulsos, assim como os neurônios biológicos. Devido a essa característica, ela tem sido muito utilizada para o processamento de sinais biomédicos, como o processamento de sinais sensoriais de tato, por exemplo. No entanto, uma barreira para essas redes é a necessi dade de um microcontrolador para operar, o que torna inviável muitas aplicações em que o consumo ultra baixo de energia é mandatório. Este trabalho tem como objetivo de senvolver um neurônio capaz de emular o comportamento dos neurônios implementados no ’NENGO’visando baixo consumo de potência e área reduzida em layout. Essa abor dagem visa viabilizar a transição das redes simuladas em software para um ambiente de hardware dedicado, proporcionando uma resposta análoga àquela obtida nos neurônios do simulados no ’NENGO’./ NENGO is a library implemented in Python that allows the creation of neural net works based on mathematical models of biological neurons. The simulated neurons in it can be considered biologically plausible due to their output in pulses, similar to bi ological neurons. Because of this characteristic, it has been widely used for processing biomedical signals, such as the processing of tactile sensory signals, for example. How ever, a barrier for these networks is the need for a microcontroller to operate, making it impractical for many applications where ultra-low power consumption is mandatory. This work aims to design a neuron that responds in the same way as the neurons im plemented in ’NENGO’, thereby enabling the implementation of simulated networks in software on dedicated hardware.