PulseAugur
中
实时 20:59:37
English(EN) A Spiking Sequence Generator for Polar Trajectories on Neuromorphic Hardware

脉冲神经网络在神经形态硬件上实现高效极坐标轨迹生成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的脉冲神经网络 (SNN) 架构，用于在神经形态硬件上生成极坐标轨迹。该网络利用带有辅助种群的“赢者通吃”机制来控制方向、速度和半径，从而提高了可解释性和能效。当在 SpiNNaker2 神经形态处理器上实现时，与传统计算平台相比，SNN 在计算时间和能耗方面均有显著降低。 AI

影响 这项研究可能为功耗受限的设备带来更节能、更具可解释性的控制系统。

排序理由 该集群包含一篇学术论文，详细介绍了新的神经网络架构及其在神经形态硬件上的实现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

脉冲神经网络在神经形态硬件上实现高效极坐标轨迹生成

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Roger D. Quinn ·

    用于神经形态硬件上极地轨迹的尖峰序列生成器

    Neuromorphic controllers for size, weight, and power-constrained systems require neural architectures that are both energy-efficient and interpretable at the level of system dynamics. However, existing approaches either rely on end-to-end trained spiking networks with limited int…

相关实体

相关话题