一个生物灵感的运动识别系统与尖端神经网络环境辅助生活应用程序
Athanasios Passias1, Karolos-Alexandros Tsakalos1, Ioannis Kansizoglou2
1Department of Electrical and Computer Engineering, Democritus University of Thrace, 67100 Xanthi, Greece.
Biomimetics (Basel, Switzerland)
|May 24, 2024
概括
这项研究引入了环境辅助生活 (AAL) 的高能效尖端神经网络 (SNN),在老年人运动识别中实现了83.4%的准确性. 这种神经形态方法为老年护理应用提供了传统深度神经网络的实用替代方案.
科学领域:
- 神经形态工程的神经形态工程
- 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:
- 越来越多的老年人口需要先进的环境辅助生活 (AAL) 解决方案.
- 传统的深度神经网络 (DNN) 为AAL.NET带来了能源和计算方面的挑战.
- 尖端神经网络 (SNN) 提供了一个更节能,更有生物灵感的替代方案.
研究的目的:
- 为AAL应用开发一种基于SNN的节能系统.
- 为了研究非同步的基于细胞自动机的神经元 (ACANs) 对SNN的疗效.
- 通过使用远程监督方法 (ReSuMe) 提高SNN学习效率,以进行运动识别.
主要方法:
- 实现非同步的基于自动机的细胞神经元 (ACANs) 以提高硬件效率.
- 应用远程监督方法 (ReSuMe) 来改善SNN中的尖端训练学习.
- 在老年人群中使用运动捕捉数据进行运动识别.
主要成果:
- 在老年人运动活动识别中达到83.4%的高分类准确度.
- 与传统的DNN相比,SNN的计算效率被证明更高.
- 验证了在AAL环境中实时,节能处理的潜力.
结论:
- 建议使用ACAN和ReSuMe的SNN方法对AAL有效.
- 这种神经形态解决方案在能源效率和老年护理的处理方面提供了显著的优势.
- 这些发现支持神经形态计算在AAL系统中的实际应用.
