一种用于节能事件驱动控制的云边框架：在线监督学习、脉冲神经网络与局部可塑性规则的集成
系统与控制
2024-05-07 v1 人工智能
机器学习
神经与进化计算
系统与控制
摘要
本文提出了一种新颖的云边框架，用于解决复杂控制系统中的计算和能源约束。我们的方法核心在于一个基于学习的控制器，该控制器在物理设备上使用脉冲神经网络（SNN）。通过将生物上可行的学习方法与局部可塑性规则相结合，我们利用了SNN的高效性、可扩展性和低延迟特性。这种设计直接在设备上复制来自云端控制器的控制信号，减少了设备与云端之间持续通信的需求。设备仅在误差超过预设阈值时更新权重，从而确保了在各种条件下的效率和鲁棒性。应用于线性工作台系统和包括避障在内的卫星交会场景时，我们的架构随着网络规模的增大，将归一化跟踪误差大幅降低了96%。SNN的事件驱动特性最大限度地降低了能耗，仅消耗约111 nJ（仅为传统计算需求的0.3%）。结果表明，该系统能够适应变化的工作环境，并高效利用计算和能源资源，与无障碍场景相比，静态和动态障碍物场景下的能耗分别适度增加了27.2%和37%。
引用
@article{arxiv.2405.02316,
title = {A Cloud-Edge Framework for Energy-Efficient Event-Driven Control: An Integration of Online Supervised Learning, Spiking Neural Networks and Local Plasticity Rules},
author = {Reza Ahmadvand and Sarah Safura Sharif and Yaser Mike Banad},
journal= {arXiv preprint arXiv:2405.02316},
year = {2024}
}
备注
13 pages, 19 figures