脉冲神经网络——第三部分：神经形态通信
神经与进化计算
2020-12-10 v2 机器学习
信号处理
摘要
无线通信与人工智能之间的协同正日益推动两领域交叉的研究。一方面，越来越多无线连接设备及其各自数据的存在，正驱动将机器学习（ML）在高性能计算设施（信息于单一位置存储与处理）中的进展，转向终端用户处分布式、具隐私意识的处理。另一方面，ML 可解决通信协议优化中的算法与模型欠缺。然而，在通过带宽受限信道连接的电池供电设备上实现用于学习与推断的 ML 模型仍具挑战。本文探讨脉冲神经网络（SNNs）可助解决这些开放性问题的两种途径。首先，我们讨论用于 SNN 分布式训练的联邦学习，随后描述神经形态传感、SNN 与脉冲无线电技术的集成以实现低功耗远程推断。
引用
@article{arxiv.2010.14220,
title = {Spiking Neural Networks -- Part III: Neuromorphic Communications},
author = {Nicolas Skatchkovsky and Hyeryung Jang and Osvaldo Simeone},
journal= {arXiv preprint arXiv:2010.14220},
year = {2020}
}
备注
Submitted