Thèse Année : 2024

Spiking neurons for wireless communications

Neurones à impulsion pour les communications sans fil

Résumé

In the context of the Internet of Things (IoT), energy management is a major challenge. Wake-up Radios (WuR) enable devices to remain in a low-power sleep mode, only waking up when receiving specific signals. This thesis proposes using Spiking Neural Networks (SNNs) as Wake-up Radios. The neural network's role is to recognize the activation sequence of a node within a bit stream in order to wake it up. The first contribution of this study is to demonstrate the relevance of SNNs in this context. The second contribution introduces the *Saturating Leaky Integrate and Fire* (SLIF) model for designing a WuR, incorporating a bio-inspired phenomenon, Synaptic Interaction, which produces a temporal filter dependent on the *Inter-Spike Timing*. The analysis of this model’s parameters helps adapt the range of these inter-spike timings. The novelty of this contribution lies in introducing an analog method for recognizing temporal sequences. Finally, various SLIF network topologies, such as line, diamond, and multi-layer configurations, were explored to assess the network's response to spike sequences. This thesis thus lays the foundation for future research on the use of neuromorphic networks in low-power IoT devices, particularly for WuRs, and paves the way for the design of networks capable of processing complex temporal signals while maximizing energy efficiency, meeting the requirements of IoT applications.
Dans le contexte de l’Internet des Objets, l’un des plus grands défis réside dans la gestion énergétique. Les radios à réveil (Wake-up Radio) permettent aux dispositifs de rester en veille tout en consommant très peu d’énergie, se réveillant uniquement lors de la réception de signaux spécifiques. Dans cette thèse, nous proposons d’utiliser les réseaux de neurones à impulsions(SNNs) comme Wake-up Radio (WuR). Le rôle du réseau de neurones sera de reconnaître la séquence d’activation du nœud concerné dans un flux de bits, afin de le réveiller. Nous présentons tout d’abord les hypothèses et modèles de neurones, de réseau et de signaux utilisés pour notre étude. La première contribution est de montrer la pertinence de ces réseaux. Notre seconde contribution a été l’étude et la proposition du modèle Saturating Leaky Integrate and Fire pour le conception d’une WuR. Dans cette partie, nous proposons d’utiliser un phénomène bio-inspiré appelé Interaction Synaptique afin de produire un filtre temporel dépendant de l’Inter-Spike Timing. Nous étudions les paramètres de ce modèleafin de comprendre comment adapter cette plage d’Inter-Spike Timings. L’originalité de cette contribution est de proposer un nouveau moyen de reconnaître dans le domaine de l’analogique des séquences temporelles. Par la suite, différentes topologies de réseaux de neurones Saturating Leaky Integrate and Fire (SLIF) ont été explorées, notamment une topologie en ligne, en losange et réseau multi-couches, afin de comprendre comment le réseau répond aux séquences d’impulsions. Cette thèse établit ainsi les bases pour des recherches futures sur l’utilisation des réseaux neuromorphiques dans les dispositifs Internet des Objets (IoT) à faible consommation d’énergie, notamment dans les WuRs. Les travaux accomplis ouvrent la voie à la conception de réseaux de neurones capables de traiter des signaux temporels complexes tout en maximisant l’efficacité énergétique, répondant ainsi aux exigences des applications IoT.
Fichier principal
Vignette du fichier
GM_Manuscrit_BMC.pdf (3.96 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-04883336 , version 1 (13-01-2025)

Identifiants

  • HAL Id : tel-04883336 , version 1

Citer

Guillaume Marthe. Neurones à impulsion pour les communications sans fil. Traitement du signal et de l'image [eess.SP]. INSA lyon, 2024. Français. ⟨NNT : 2024ISAL0094⟩. ⟨tel-04883336⟩
0 Consultations
0 Téléchargements

Partager

More