基于时间到首次放电编码的脉冲神经网络眼动表情识别神经网络结构搜索
神经与进化计算
2026-04-15 v2
摘要
基于眼动的情感识别使眼镜类设备能够感知用户的情感状态并支持情感感知交互。然而，在资源受限的嵌入式硬件上部署此类功能仍具挑战性。Time-to-first-spike（TTFS）编码的脉冲神经网络（SNN）因其极稀疏且高效的计算特性（每个神经元至多产生一个二进制脉冲）而备受推崇。虽然先前工作主要聚焦于改进TTFS SNN训练算法，但网络结构的作用却被大大低估。这尤其关键，因为脉冲时序在TTFS SNN中与网络结构紧密耦合，而眼动表情识别需要紧凑且高度高效的网络。本文提出TNAS-ER，即首个专为TTFS SNN用于眼动表情识别设计的神经网络结构搜索（NAS）框架。TNAS-ER引入一种新颖的ANN辅助搜索策略，利用基于ReLU的ANN对等网络指导架构优化并稳定TTFS SNN的训练。TNAS-ER采用进化算法，同时将加权平均召回率和非加权平均召回率作为情感识别的适应度目标。大量实验表明，TNAS-ER在保持高识别性能的同时显著提升了效率。此外，我们在神经形态硬件上评估了TNAS-ER，确认其卓越的能源效率及其在实际应用中的强大潜力。
引用
@article{arxiv.2512.02459,
title = {Neural Architecture Search of Time-to-First-Spike-Coded Spiking Neural Networks for Efficient Eye-based Emotion Recognition},
author = {Qianhui Liu and Jing Yang and Miao Yu and Trevor E. Carlson and Gang Pan and Haizhou Li and Zhumin Chen},
journal= {arXiv preprint arXiv:2512.02459},
year = {2026}
}