MetaSort：一种用于神经脉冲波形非均匀压缩和少样本分类的加速方法
信号处理
2026-03-10 v1 机器学习
摘要
许多先前的尼脉冲排序工作独立地研究了脉冲分类和压缩。在本文中，提出了一种新算法，称为 MetaSort，以解决这两个问题。为处理压缩，提出了一种新型自适应水平跨越算法，用于高保真度逼近脉冲形状。与此同时，使用潜在特征表示来处理分类问题。除此之外，为确保 MetaSort 在鲁棒性和判别性方面表现出色，同时利用数据的几何信息进行元迁移学习。对于体内脉冲数据进行的实证实验表明，MetaSort 交付了有前景的性能，凸显了其在超低功耗、芯片上实现方面的潜力。
引用
@article{arxiv.2603.07602,
title = {MetaSort: An Accelerated Approach for Non-uniform Compression and Few-shot Classification of Neural Spike Waveforms},
author = {Luca M. Meyer and Majid Zamani},
journal= {arXiv preprint arXiv:2603.07602},
year = {2026}
}
备注
4 pages (under review paper)