FLAMES：面向事件驱动学习的混合脉冲-状态空间模型
机器学习
2025-04-03 v1
摘要
我们提出\textbf{FLAMES（Fast Long-range Adaptive Memory for Event-based Systems）}，一种新型混合框架，集成结构化状态空间动力学与事件驱动计算。其核心是\textit{脉冲感知HiPPO（SA-HiPPO）机制}，根据脉冲间隔动态调整记忆保留，以保留短程和长程依赖。为维持计算效率，我们引入正态+低秩（NPLR）分解，将复杂度从降低至。FLAMES在Long Range Arena基准和事件数据集（如HAR-DVS和Celex-HAR）上取得最先进的结果。通过连接神经形态计算和结构化序列建模，FLAMES实现了事件驱动系统中可扩展的长程推理。
引用
@article{arxiv.2504.01257,
title = {FLAMES: A Hybrid Spiking-State Space Model for Adaptive Memory Retention in Event-Based Learning},
author = {Biswadeep Chakraborty and Saibal Mukhopadhyay},
journal= {arXiv preprint arXiv:2504.01257},
year = {2025}
}
备注
9 pages, 6 figures