涟漪池：使脉冲网络具备视觉能力
神经与进化计算
2013-06-14 v1 神经元与认知
摘要
本文提出了一种受生物学启发的涟漪池网络（Ripple Pond Network, RPN），这是一种简单连接的脉冲神经网络。该网络与近期提出的多时相网络（PolyChronous Networks, PCN）协同工作，利用高效的时空脉冲编码，实现快速、无监督且具备尺度和旋转不变性的物体识别。RPN 被开发为一种硬件解决方案，旨在连接先前实现的神经形态视觉和记忆结构，能够为移动和自主应用提供端到端的高速、低功耗及低分辨率识别能力，而在这些应用场景中，缓慢、高度复杂且耗能的信号处理解决方案往往无效。所提方法的关键方面包括：利用物理嵌入神经网络的空间特性并在其中传播活动波以进行信息处理；将图像信息维度坍缩为适宜的时序模式；以及使用异步帧进行信息绑定。
引用
@article{arxiv.1306.3036,
title = {The Ripple Pond: Enabling Spiking Networks to See},
author = {Saeed Afshar and Gregory Cohen and Runchun Wang and Andre van Schaik and Jonathan Tapson and Torsten Lehmann and Tara Julia Hamilton},
journal= {arXiv preprint arXiv:1306.3036},
year = {2013}
}
备注
Submitted to Frontiers in Neuromorphic Engineering (June 12, 2013)