Optimización y extensión del algoritmo de codificación-decodificación basado en PWM para Redes Neuronales de Impulsos

Abstract

[EN] Spiking Neural Networks (SNN) are neural model that processes the information in temporal spike sequences or spike trains, enabling ultra-low energy consumption. However, since most of the real processes handle real value information, SNN requires the use of encoding-decoding algorithms. The Pulse Width Modulation (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 presents some limitations: (a) it requires two consecutive values of the original time-series to encode, which makes it impossible to use it in fields where there are no chronological relationships, such as image processing; and (b) it presents possibilities of being optimized computationally and energetically. In this sense, this paper proposes two new proposals of the PWM-based encoding-decoding algorithm in order to overcome the aforementioned limitations. In addition, the new proposals reduce more than double the computational and energetic cost of encoding and decoding processes.

[ES] Las Redes Neuronales de Impulsos (Spiking Neural Networks, SNN) son modelos neuronales que procesan la información en forma de spikes o series de impulsos en el dominio del tiempo, posibilitando el consumo ultrabajo. Sin embargo, debido a que la mayoría de los procesos reales manejan magnitudes físicas de tipo real, para emplear este tipo de redes es necesario el uso de algoritmos de codificación y decodificación. El algoritmo de codificación basado en modulación por ancho de pulso (Pulse Width Modulation, PWM) es un novedoso algoritmo temporal de codificación que supera con creces la precisión de sus algoritmos predecesores a la hora de construir y reconstruir la señal original. A pesar de sus múltiples ventajas, este algoritmo presenta una serie de limitaciones: (a) requiere de dos valores consecutivos de la serie temporal original para poder codificar, lo cual imposibilita su uso en campos donde no existan relaciones cronológicas, como puede ser el tratamiento de imágenes; y (b) presenta posibilidades de ser optimizado computacional y energéticamente. Así, en este trabajo se presentan dos nuevas propuestas basadas en este algoritmo de codificación y decodificación que solventan las limitaciones mencionadas. Cabe destacar que ambas propuestas permiten reducir en más del doble el coste computacional y energético de los procesos de codificación y decodificación.