基于脉冲神经网络中分段概率最大化学习的有效AER目标分类
神经与进化计算
2020-02-18 v1
摘要
与传统基于帧的相机相比，地址事件表示（AER）相机因具有高时间分辨率和低功耗的优势，近年来受到更多关注。由于AER相机将视觉输入记录为异步离散事件，其本质上适合与脉冲神经网络（SNN）协同工作，后者在神经形态硬件上具有生物学合理性与高能效。然而，由于缺乏针对这种新表示的有效学习算法，使用SNN进行AER目标分类仍具挑战性。为解决此问题，我们提出了一种采用新颖的分段概率最大化（SPA）学习算法的AER目标分类模型。在技术上，1）SPA学习算法迭代地最大化样本所属类别的概率，以提升神经元响应的可靠性与学习的有效性；2）SPA中引入峰值检测（PD）机制，逐段定位信息时间点，基于此学习可充分利用整个事件流中的信息。大量实验结果表明，与最先进的方法相比，我们的模型不仅更有效，而且达到特定准确率所需的信息更少。
引用
@article{arxiv.2002.06199,
title = {Effective AER Object Classification Using Segmented Probability-Maximization Learning in Spiking Neural Networks},
author = {Qianhui Liu and Haibo Ruan and Dong Xing and Huajin Tang and Gang Pan},
journal= {arXiv preprint arXiv:2002.06199},
year = {2020}
}
备注
AAAI 2020 (Oral)