有效的人类活动识别与时空尖端神经网络.
Yuhang Li1, Ruokai Yin1, Youngeun Kim1
1Department of Electrical Engineering, Yale University, New Haven, CT, United States.
Frontiers in neuroscience
|October 2, 2023
概括
尖端神经网络 (SNN) 提供了使用可穿戴传感器的人类活动识别 (HAR) 的低功耗解决方案. 与传统的人工神经网络 (ANN) 相比,这种方法实现了竞争性性能,同时显著降低了能源消耗.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 人类活动识别 (HAR) 对健康应用至关重要,通常使用可穿戴传感器数据.
- 目前用于HAR的人工神经网络 (ANN) 面临着高计算负载和有限的时间特征提取的挑战.
- 现有的ANN的激活功能阻碍了资源有限的可穿戴设备上的高效处理.
研究的目的:
- 研究尖端神经网络 (SNN) 对人类活动识别 (HAR) 的有效性.
- 在可穿戴 HAR 系统中解决 ANNs 的计算和时间特征提取限制.
- 评估SNN在低功耗,高性能活动识别方面的潜力.
主要方法:
- 提出了基于生物神经元的尖端神经网络 (SNN) 的应用,用于HAR任务.
- 利用SNN积累输入激活和生成二进制尖峰用于时空特征提取的能力.
- 在三个不同的HAR数据集上进行了实验,以比较SNN与ANN的性能.
主要成果:
- 与传统的ANN相比,SNN在HAR任务中表现出具有竞争力或优异的性能.
- 通过利用二进制尖峰进行计算,实现了高达94%的显著能源消耗降低.
- SNN有效地解决了传统ANN方法中存在的时间特征提取局限性.
结论:
- 尖端神经网络 (SNN) 是可穿戴设备上人类活动识别 (HAR) 的可行和高效替代方案.
- 拟议的SNN方法可以在不影响识别精度的情况下大幅节省能源.
- 在开发下一代低功耗可穿戴健康监测系统方面,SNN提供了一个有前途的方向.
