基于监督型脉冲神经网络的动作识别
计算机视觉与模式识别
2020-01-14 v2 神经与进化计算
摘要
生物神经元以节能且计算高效的方式利用脉冲来处理和学习时间动态输入。然而，由于脉冲神经元的激活函数不可微，将最先进的基于梯度的监督算法应用于脉冲神经网络（SNN）是一项挑战。采用替代梯度是克服该挑战的主要解决方案之一。尽管 SNN 天然地在时域中工作，近期研究集中于开发 SNN 以解决静态图像分类任务。在本文中，我们采用替代梯度下降学习算法来识别由动态视觉传感器（DVS）相机记录的十二种人体手势。所提出的 SNN 在测试数据上可达到 97.2% 的识别准确率。
引用
@article{arxiv.1911.03630,
title = {Action Recognition Using Supervised Spiking Neural Networks},
author = {Aref Moqadam Mehr and Saeed Reza Kheradpisheh and Hadi Farahani},
journal= {arXiv preprint arXiv:1911.03630},
year = {2020}
}
备注
We found a bug in our implementations and we should admit that our reported results were wrong