BriefGPT - AI 论文速递
·
深度状态空间模型的可扩展事件处理神经形态感知信号
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
基于事件的传感器在高速平台中部署，但稀疏和波动性对传统目标检测技术构成挑战。脉冲神经网络适用于基于事件的数据，通过调节网络活动的膜电位动力学来增强稀疏输入特征。脉冲触发的自适应阈值稳定训练，提高网络性能。提出的SNN在基准数据集上取得显著成绩，超过以前最好的SNN。模型结构简洁，保持高精度和低计算成本。
🎯
关键要点
- 基于事件的传感器具有高时间分辨率和动态范围，适用于高速平台。
- 事件的稀疏性和波动性对传统目标检测技术构成挑战。
- 脉冲神经网络（SNNs）适合处理基于事件的数据，具有时间动态性。
- 膜电位动力学调节网络活动，增强稀疏输入特征。
- 脉冲触发的自适应阈值可以稳定训练，提高网络性能。
- 开发了一种高效的脉冲特征金字塔网络用于基于事件的目标检测。
- 提出的SNN在Gen1基准数据集上取得47.7%的平均精度，超过以前最佳SNN 9.7%。
- 模型结构简洁，保持高精度和低计算成本，适应稀疏计算。
- 代码将公开提供。
➡️
