脉冲神经元泄漏与网络递归对基于事件的时空模式识别的影响
神经与进化计算
2022-11-16 v1
摘要
脉冲神经网络与神经形态硬件及基于事件的传感器相结合，在边缘端低延迟、低功耗推理中受到越来越多的关注。然而，文献中已提出多种具有不同生物合理性水平及不同计算特征与复杂度的脉冲神经元模型。因此，需要定义从生物学中抽离的恰当抽象层次，以在神经形态硬件中实现准确、高效且快速的推理最佳性能。在此背景下，我们探究脉冲神经元中突触与膜泄漏的影响。我们利用前馈与递归拓扑，针对基于事件的视觉与听觉模式识别，对比三种具有不同计算复杂度的神经元模型。我们的结果表明，就准确率而言，当数据中存在时间信息且网络中存在显式递归时，泄漏是重要的。此外，泄漏未必增加网络中流动脉冲的稀疏性。我们还研究了泄漏时间常数异质性的影响，结果显示当使用具有丰富时间结构的数据时准确率略有提升。这些结果增进了我们对神经泄漏与网络递归计算作用的理解，并为设计用于嵌入式系统的紧凑节能神经形态硬件提供了宝贵见解。
引用
@article{arxiv.2211.07761,
title = {Impact of spiking neurons leakages and network recurrences on event-based spatio-temporal pattern recognition},
author = {Mohamed Sadek Bouanane and Dalila Cherifi and Elisabetta Chicca and Lyes Khacef},
journal= {arXiv preprint arXiv:2211.07761},
year = {2022}
}