Spi-Fly algoritması eski kokuları koruyor
Kevin Max ve Yang Shen Okinawa Bilim ve Teknoloji Enstitüsü'nde Spi-Fly adlı yeni bir algoritma geliştirdi. Algoritma, meyve sineklerinin seyrek kodlama yöntemini taklit ediyor. Üç maruziyetle koku öğreniyor ve yeni kokuları öğrenirken eskileri unutma sorunu yaşamıyor.
Meyve sinekleri yaklaşık 140 bin nöronla çok sayıda kokuyu hızlı ayırt ediyor ve uzun süre hatırlıyor. Mevcut elektronik burunlar pahalı, dar kapsamlı ve yeni koku öğrenirken eskileri unutuyor. Kevin Max ve Yang Shen Okinawa Bilim ve Teknoloji Enstitüsü'nde Spi-Fly algoritmasını geliştirdi.
Çalışma Neuromorphic Computing and Engineering dergisinde yayımlandı. Algoritma, sineklerin Kenyon hücreleri ve APL nöronu üzerinden kullandığı seyrek kodlama sistemini temel alıyor. Sensör verileri spike akışına dönüştürülüyor.
Gizli katman kokulara barkod atıyor. Çıktı katmanı her kokuyu etiketliyor. Bağlantılar basit bir kurala göre güçleniyor. Geri yayılım yöntemi kullanılmıyor. Testlerde Spi-Fly her kokuya üç maruziyetle zirveye ulaştı. Geri yayılım yöntemi yaklaşık 70 maruziyet gerektirdi.
Yeni kokular eklendiğinde Spi-Fly eski kokulardaki doğruluk oranını neredeyse korudu. Geri yayılım yöntemi rastgele tahmin düzeyine düştü. Algoritma sınırlı belleğe sahip nöromorfik çiplerde daha az bozulma gösterdi.
Kapasite sınırı var. 100 nöronlu seyrek kodlama katmanında teorik üst sınır 75 milyon barkod. Gürültü nedeniyle pratikte birkaç yüz kokuyla sınırlı kalıyor. Tüm testler simülasyon ortamında ve tekil kokularla yapıldı. Gerçek ortamlardaki karışık kokularla performansı bilinmiyor. EPL net ile karşılaştırma tartışmalı. Thomas Cleland, iki sistemin farklı sorunlar için tasarlandığını belirtti. Spi-Fly şu anda yalnızca kod olarak var. Sonraki adım TU Eindhoven ve Kiel Üniversitesi'nde gerçek nöromorfik çiplere entegre edilmesi.