AMNED脉冲编码框架

通信效率79.3%

一种结合脉冲神经网络与忆阻器技术的AMNED框架，专为资源受限的AirComp联邦学习设计，显著提升信号重建精度与能量利用率。

Juncheng, Ji · Lam, Chantong · Wang, Ke · Ng, Benjamin K.

IEEE Access 2025

参数信息

通信效率

79.3 %

MMSE

0.3044

收敛速度提升

7 %

动态阈值调整带来的效率提升

2 %

混合时序-速率编码带来的MMSE降低

5 %

技术优势

能耗更低

利用忆阻器技术降低能量消耗，适合边缘设备和能量受限的大规模联邦学习场景。

应用场景

• 无线联邦学习系统：在无线信道中实现通信高效的模型聚合，减少多设备更新的传输开销。
• 边缘AI芯片：以低能耗完成脉冲信号编解码，适合片上集成的边缘推理与训练。
• 物联网设备：让能量受限的物联网节点参与联邦学习而不牺牲重建精度。
• 分布式机器人学习：在带宽受限的机器人集群中稳定聚合模型更新，加速协作学习。