用于嗅觉传感的高效混合神经形态-贝叶斯模型：检测与分类

自主机器人中的嗅觉传感在动态操作、能源效率和边缘处理方面面临挑战。它需要一种能够处理真实世界气味干扰、确保移动机器人资源效率，并准确估计气体特征以执行气味映射、定位和警报生成等关键任务的机器学习算法。本文介绍了一种混合方法，该方法利用神经形态计算与概率推理相结合来满足这些苛刻要求。我们的方法实现了一种结合卷积脉冲神经网络进行特征提取和贝叶斯脉冲神经网络进行气味检测与识别的组合。所开发的算法在用于传感器漂移补偿的数据集上进行了严格测试以评估鲁棒性。此外，为了评估效率，我们在相同的数据集和操作条件下，将我们模型的能耗与非脉冲机器学习算法进行了比较。我们的方法在保持相当准确性的同时，展现了卓越的效率。