人工视觉脉冲神经元

速率与时间融合编码

该神经元支持速率编码和时间编码两种模式，能更高效地处理视觉信息。

Li, Dingwei · Wang, Chuanqing · Liu, Guolei · 王睿 · Ren, Huihui · Tang, Yingjie · Wang, Yan · Chen, Yitong · Liang, Kun · Sawan, Mohamad · 仇旻 · 王宏 · 朱博文

Nature Communications 2024

技术优势

能效更高

时间编码模式可以精确且节能地编码视觉信息，从而降低了脉冲产生的能耗。

感知能力更强

速率编码与时间编码的融合编码方案提升了人工视觉神经元的计算能力和效率，从而更好地模拟生物视觉感知能力。

硬件可运行SNN

基于该编码方案的硬件SNN能够给出与真实数据一致的预测，并在复杂条件下为自动驾驶提供高精度的转向和速度预测。

应用场景

• 神经形态视觉传感器：支持速率与时间编码融合，可提高传感器的事件驱动能效和信息编码多样性。
• 自主驾驶：硬件SNN可基于该编码实现高精度转向和速度预测，适用于复杂驾驶场景。
• 脉冲神经网络：提供多路复用编码方案，增强SNN的视觉感知能力和计算效率。