Mackey--Glass benchmark

新框架提升神经形态计算的可迁移性

研究人员开发了一种新颖的无模型时间开关（TS）框架，旨在增强轻量级神经形态计算系统的可迁移性。该框架旨在克服设备到设备的差异性挑战，这些差异性通常需要大量的重新训练。通过在训练期间纳入更广泛的设备，TS框架能够在没有训练后校准的情况下直接将性能迁移到未见的硬件上。该方法在Mackey--Glass基准测试中展示了提高的预测精度，并在语音数字分类中达到了92.4%的准确率，预示着在资源受限环境中实现高效人工智能的潜力。