Performance théorique d'un neurone à spikes Integrate-and-Fire
Résumé
This paper focuses on the theoretical performance of a neuro-inspired digital communication, where the input signal is below the activation threshold of the neuron, making the noise crucial for the detection. We first derive the error probability of a neuro-inspired detector build upon a single Integrate-and-Fire (IF) neuron and then extend this result to a IF-based detector build upon multiple neurons. In this case, we propose to optimize the number of neurons in parallel, leading to an error probability below 10 −4 for a large noise range, proving the strength of such an IF-based detector.
Ce papier se concentre sur les performances théoriques d'un détecteur neuro-inspiré pour une communication numérique où le signal d'entrée est inférieur au seuil d'activation du neurone, rendant le bruit crucial pour la détection. Nous caractérisons dans un premier temps la probabilité d'erreur d'un tel détecteur basé sur un neurone Integrate-and-Fire (IF), puis étendons ce résultat à un détecteur utilisant plusieurs neurones IF en parallèle. Dans ce cas, nous proposons d'optimiser le nombre de neurones en parallèle, permettant d'atteindre une probabilité d'erreur inférieure à 10 −4 pour une large plage de bruit, prouvant ainsi la puissance d'un tel détecteur IF.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...