BriefGPT - AI 论文速递
·
使用 CSNN 在 ASL-DVS 上进行事件驱动数据处理和分类
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于简单卷积层的神经网络架构，结合低成本的动态时间编码水库节点，实现了异步时间特征的高效处理。RN-Net 在 DVS128 手势数据集上取得了最高的 99.2% 的准确率，并在较小的网络规模下，在 DVS Lip 数据集上实现了达到 67.5% 的准确率。代码将公开发布。
🎯
关键要点
- 提出了一种基于简单卷积层的神经网络架构。
- 结合低成本的动态时间编码水库节点，实现异步时间特征的高效处理。
- 使用内部动态的自旋电阻器，在低硬件成本下实现异步时间特征编码。
- RN-Net 在 DVS128 手势数据集上取得了 99.2% 的最高准确率。
- 在较小的网络规模下，RN-Net 在 DVS Lip 数据集上实现了 67.5% 的准确率。
- 代码将公开发布。
➡️
