面向单层脉冲神经网络的反馈控制优化器的混合信号实现
机器学习
2026-03-26 v1
摘要
片上学习是可扩展且自适应的神经形态系统的关键因素，但现有的训练方法要么难以在硬件中实现，要么过于受限。然而，近期研究表明，反馈控制优化器能够实现对神经形态器件的表达性、片上训练。在本工作中，我们在混合信号神经形态处理器上实现了此类反馈控制优化器的概念验证。我们在二分分类任务和非线性阴阳问题上采用“上机即插”(In-The-Loop, ITL) 训练设置评估了所提方法，展示了在实际混合信号约束下，片上训练能够匹配数值仿真和梯度基方法的性能。我们的结果凸显了在现实混合信号约束下的反馈驱动、在线学习的可行性，并代表了一种面向自主和自适应神经形态计算的协同设计方法。
引用
@article{arxiv.2603.24113,
title = {Mixed-signal implementation of feedback-control optimizer for single-layer Spiking Neural Networks},
author = {Jonathan Haag and Christian Metzner and Dmitrii Zendrikov and Giacomo Indiveri and Benjamin Grewe and Chiara De Luca and Matteo Saponati},
journal= {arXiv preprint arXiv:2603.24113},
year = {2026}
}