多室脉冲神经模型

多时间尺度学习

在多个神经形态基准上实现了最佳精度和模型紧凑性，同时具有高执行效率。

Hanle, Zheng · 仲政 · Xiao, Bo · Yu, Fangwen · 刘学 · 李国齐 · 邓磊

Nature Communications 2024

技术优势

多时间尺度自适应

模型在不同树突分支上自动学习异构时间因子，能够同时捕捉不同时间尺度的动态特征。

最优精度与紧凑性

在多个基准上取得最佳精度，同时保持模型紧凑，参数量少。

硬件执行高效

在神经形态硬件上具有高执行效率，适合实际部署。

应用场景

• 神经形态计算：为神经形态芯片提供多时间尺度处理能力，提升复杂时序任务性能。
• 脑机接口：处理脑电信号中的多时间尺度成分，提高脑机接口解码精度。
• 语音识别：捕捉语音信号不同时间尺度特征，提升识别准确率。
• 机器人导航：处理视觉与序列信息的时间动态，增强地点识别能力。
• 脑电信号处理：提取脑电信号多时间尺度特征，提高识别与分类性能。