脉冲神经网络：面向机器人生物仿模态感知
图像与视频处理
2024-11-22 v1
摘要
脉冲神经网络 (SNN) 近年来在神经科学领域引起了显著关注，逐步走向人工智能领域。然而，由于其本质特征，SNN 在实现深度神经网络 (DNN) 卓越性能方面仍有不少局限。因此，许多学者正探索通过采用 DNN 的学习技术来增强 SNN 的性能。虽然这种方法已被证明能够显著提高 SNN 的性能，但我们提出了另一种视角：通过提高模型的生物学可信度来充分利用 SNN 的优势。我们的研究旨在提出一种类似大脑的音频-视觉信号处理组合，用于识别任务，旨在在更具生物学可信度的人机交互应用中取得成功。
引用
@article{arxiv.2411.14147,
title = {Spiking neural networks: Towards bio-inspired multimodal perception in robotics},
author = {Katerina Maria Oikonomou and Vasiliki Balaska and Konstantinos A. Tsintotas and Christos N. Mavridis and Ioannis Kansizoglou and Antonios Gasteratos},
journal= {arXiv preprint arXiv:2411.14147},
year = {2024}
}