TDE-3:在尖端神经网络中改进了光流计算的先验

科学领域:

• 机器人技术 机器人技术 机器人技术
• 神经形态工程的神经形态工程
• 计算机视觉 计算机视觉

背景情况:

• 机器人系统需要强大的运动检测来进行导航.
• 现有的生物启发的神经形态时间差异编码器 (TDE-2) 提供节能运动检测,但在有纹理的环境中难以选择方向.
• 这种限制阻碍了复杂场景中的可靠感知和导航.

研究的目的:

• 开发一个增强的3点时差编码器 (TDE-3),以提高在纹理环境中的方向选择性.
• 通过时间和替代梯度反向传播来研究TDE-3的训练方法.
• 为了比较TDE-3的尖峰数和尖峰间隔 (ISI) 编码的性能.

主要方法:

• 提出了一个增强的3点时差编码器 (TDE-3),用于增强方向选择性的抑制输入.
• 开发了一个训练程序,使用通过时间的反向传播和替代梯度来映射速度到尖端输出.
• 使用合成数据比较TDE-2和TDE-3,分析不同刺激动态,空间频率和噪声水平的性能.
• 评估了TDE-2和TDE-3的能量效率和编码精度,用于光流编码和自我运动估计.

主要成果:

• 在有纹理的环境中,TDE-3表现出强大的方向选择性,克服了TDE-2的局限性.
• 对比了尖峰计数和ISI编码方法,ISI显示了对空间频率变化的更高稳定性,尖峰计数对噪声更可靠.
• 网络层面的分析显示TDE-2和TDE-3之间的精度相似 (20°角误差,88%的相关性).
• 与TDE-2相比,基于TDE-3的网络表现出较低的尖端活动,导致更高的能源效率.
• 使用TDE-2和TDE-3的自我运动估计产生了与传统神经网络相比具有竞争力的结果.

结论:

• 增强的TDE-3显著提高了在具有挑战性的环境中用于神经形态运动检测的方向选择性.
• 在神经形态硬件上,TDE-3为实时机器人感知和导航提供了更节能的解决方案.
• 开发的培训方法和比较分析为设计未来的生物灵感感官处理系统提供了宝贵的见解.