Description
Date depot: 20 janvier 2022
Titre: Étude du traitement matériel de l'information utilisant le réseau de neurones à impulsions inspiré par le cortex biologique
Directeur de thèse:
Aziz BENLARBI-DELAÏ (GeePs (EDITE))
Encadrant :
Siqi WANG (GeePs (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Modèles de calcul, preuve, vérification
Resumé: L’originalité et l’ambition de cette thèse consistent à étudier d'une part les avantages à utiliser les neurones à impulsions dans un SNN (Spiking Neural Network) pour le traitement de l’information par rapport aux méthodes conventionnelles, notamment les réseaux de neurones artificiels (ANN), les réseaux de neurones convolutifs (CNN), et les réseaux de neurones récurrents (RNN), en respectant les propriétés physiques comportementales du circuit neuromorphique. Et d'autre part à améliorer les techniques actuelles de traitement du signal pour qu’un SNN puisse traiter des signaux complexes ou des signaux multi-dimensionnels, en veillant à la consommation de puissance qu’il convient de maintenir à un niveau faible. L'amélioration de l’apprentissage du SNN en s’adaptant aux propriétés physiques du circuit neuromorphique est un troisième volet à traiter différents circuits neuromorphiques inspirés par les neurones à impulsions ont été conçus et mis en place à GeePs pour l’évaluation des techniques proposées. Plusieurs algorithmes et modèles comportementaux ont été proposés et évalués récemment et ont fait l’objet de publications internationales. Les objectifs de cette thèse visent principalement :
- l'étude théorique approfondie du traitement de l’information par les réseaux de neurones.
- l'exploitation des techniques efficaces pour moduler un signal analogique à impulsions dans le SNN.
- l'analyse de performance du SNN dans le traitement du signal sous les contraintes imposées par la filière technologique.
- l'établissement d’un banc de validation expérimentale.
Résumé dans une autre langue: The originality and the ambition of this thesis consist in studying, on the one hand, the advantages of using spiking neurons in an SNN (Spiking Neural Network) for the processing of information compared to conventional methods, in particular artificial neuron networks (ANN), convolutional neural networks (CNN), and recurrent neural networks (RNN), respecting the behavioral physical properties of the neuromorphic circuit. And on the other hand to improve the current signal processing techniques so that an SNN can process complex signals or multi-dimensional signals, while ensuring the power consumption which should be kept at a low level. Improving SNN learning by adapting to the physical properties of the neuromorphic circuit is a third aspect to be addressed.
Different neuromorphic circuits inspired by spiking neurons have been designed and implemented at GeePs for the evaluation of the proposed techniques. Several algorithms and behavioral models have been proposed and evaluated recently and have been the subject of international publications. The objectives of this thesis are mainly:
- In-depth theoretical study of information processing by neural networks.
- Exploitation of effective techniques to modulate an analog signal to pulses in the SNN.
- Performance analysis of the SNN in signal processing under the constraints imposed by the technological sector.
- Establishment of an experimental validation bench.