基于神经形态芯片的空中交通管控中认知负荷分类的脉冲神经网络部署
神经与进化计算
2025-10-06 v2 系统与控制
系统与控制
摘要
本文提出了一种用于空中交通管控(ATC)任务中认知负荷分类的神经形态系统，其使用脉冲神经网络(SNN)的硬件实现。来自开源数据集的电脑内面图(EEG)和眼动追踪特征被用于训练和评估常规机器学习模型和SNN。我们探索的多种SNN架构中，一种最小化、单层模型采用生物学启发的delta规则学习算法实现了竞争性能(80.6%)。为启用神经形态硬件部署，该模型被量化并实现在混合信号DYNAP-SE芯片上。尽管面临硬件约束和模拟变异，芯片部署的SNN仍能使用基于脉冲的输入实现最高达73.5%的分类准确率。这些结果表明了事件驱动神经形态系统在动态真实场景中用于超低功耗嵌入式认知状态监测的可行性。
引用
@article{arxiv.2509.21345,
title = {Neuromorphic Deployment of Spiking Neural Networks for Cognitive Load Classification in Air Traffic Control},
author = {Jiahui An and Chonghao Cai and Olympia Gallou and Sara Irina Fabrikant and Giacomo Indiveri and Elisa Donati},
journal= {arXiv preprint arXiv:2509.21345},
year = {2025}
}
备注
Preprint version. Accepted at ACM/IEEE ICONS 2025 (to appear in Proceedings)