微电网中神经形态推理通信的噪声鲁棒性研究

利用脉冲神经网络的神经形态计算已成为解决微电网传统信息物理基础设施安全性和可靠性挑战的一种有前景的方案。其事件驱动范式为电力电子变换器之间实现弹性且节能的协调提供了广阔前景。然而，与文献中关注的生物神经元不同，微电网表现出独特的架构和特征，这意味着其在消除信息传递能力方面可能具有不同的适应性，这一点在很大程度上仍未揭示。信息传递理论中最大的缺陷之一是噪声对信号精度的影响。因此，本文通过案例研究探讨了微电网中神经形态推理通信的噪声鲁棒性，并强调了作为结果扩展的潜在挑战和解决方案，从而为其在实际场景中的实现提供了见解。