面向脉冲神经网络的传感器信号编码方案评估
信号处理
2024-07-15 v1
摘要
脉冲神经网络 (SNN) 作为一种受大脑启发的计算范式，因其在能源效率和延迟方面的优势而日益受到关注，这种优势归功于信号处理中的可塑性。为了在 ubiquitous 计算系统中部署 SNN，传感器信号的编码至关重要，以实现高精度和鲁棒性。以使用惯性传感器读取进行健身活动识别为案例研究，本工作全面评估了四种主要编码方案，并在神经形态处理器 Loihi2 上部署相应的 SNN进行后部署编码评估。评估了速率编码、首次脉冲编码、二进制编码和 delta 调制编码，指标包括平均放电率、信噪比、分类准确率、鲁棒性和推理延迟和能耗。在此案例研究中，首次脉冲编码所需的放电率最低（2%），并实现了相当准确的性能（89%），尽管其对错误脉冲的鲁棒性最差（当噪声脉冲率为 0.1 时，准确率下降超过 20%）。具有最优值-概率映射的速率编码实现了最高的准确率（91.7%）。二进制编码在信息重构和噪声抗性之间提供了平衡。多阈值 delta 调制显示出最佳的鲁棒性，在噪声脉冲率为 0.1 时，准确率仅下降 0.7%。本工作为研究人员在基于 SNN 的 ubiquitous 传感器信号处理中选择最佳编码方案提供了指导，尤其是针对特定性能需求。
引用
@article{arxiv.2407.09260,
title = {Evaluation of Encoding Schemes on Ubiquitous Sensor Signal for Spiking Neural Network},
author = {Sizhen Bian and Elisa Donati and Michele Magno},
journal= {arXiv preprint arXiv:2407.09260},
year = {2024}
}