[一个生物灵感的等级尖端神经网络,具有生物突触可塑性,用于事件摄像头对象识别]
Qian Zhou1,2,3, Peng Zheng1,2,3, Xiaohu Li1,2,3
1State Key Laboratory of Reliability and Intelligence of Electrical Equipment, Hebei University of Technology, Tianjin 300130, P. R. China.
概括
本研究介绍了一种用于事件摄像机对象识别的新型尖端神经网络 (SNN),通过生物突触可塑性增强特征提取和分类. 拟议的系统实现了卓越的准确性和稳定性,特别是对于短事件流和噪音数据.
科学领域:
- 计算神经科学是一种神经科学.
- 计算机视觉 计算机视觉
背景情况:
- 尖端神经网络 (SNN) 非常适合事件流数据,因为它们的稀疏性和事件驱动性.
- 现有的生物灵感的层次性SNN需要改进特征提取和分类,以实现事件摄像机对象识别.
研究的目的:
- 提出一个事件摄像头物体识别系统,使用具有生物突触可塑性的生物灵感层级SNN.
- 为了提高事件流数据的特征提取和分类性能.
主要方法:
- 输入事件流的自适应细分,使用尖端神经元潜力提高计算效率.
- 使用无监督的尖端时间依赖可塑性 (STDP) 和奖励调制的STDP规则的多层特征学习.
- 基于Gabor波器的事件驱动卷积用于初级视觉特征提取.
主要成果:
- 拟议的SNN系统在四个基准数据集上实现了较高的分类准确性,而不是现有的生物灵感的等级SNN.
- 证明了对短事件流输入和对输入噪声的弹性具有强大的分类能力.
- 显著改善了事件摄像机对象识别的特征提取和分类性能.
结论:
- 开发的SNN系统有效地利用生物突触可塑性,从事件摄像头数据中增强对象识别.
- 该方法在需要高效和强大的事件流处理的现实应用中显示出前景.
- 这项工作提高了SNN在处理动态视觉信息方面的能力.
