混合残差脉冲神经网络

高噪声下精度近无损

通过新型神经元电路和权重相关损失函数，在高强度噪声环境下保持高精度。

Yafeng, Zhang · Sun, Hao · 谢满德 · Feng, Zhe · Wu, Zuheng

Advanced Intelligent Systems 2023

参数信息

噪声环境下识别准确率

92.71 %

技术优势

抗噪声能力强

通过新型神经元电路和权重相关损失函数，网络在高强度噪声下仍保持高精度，识别准确率仅下降2.15%。

硬件开销低

提出的混合残差结构避免了对复杂校准电路的需求，同时权重相关损失函数在训练阶段补偿非理想性，无需额外的硬件修改。

应用场景

• 神经形态芯片：用于制造在噪声环境中仍能保持高精度的神经形态芯片，提升边缘计算的可靠性。
• 具身智能：实现机器人在复杂传感器噪声下稳定感知和决策，增强具身智能系统的鲁棒性。
• 物联网与传感网：在传感器数据存在噪声的物联网节点上部署低功耗、抗噪声的脉冲神经网络进行实时处理。
• 无人机：在无人机飞控和视觉系统中使用抗噪声的脉冲神经网络，提高复杂环境下的飞行稳定性。