arXiv cs.AI· Aurora Micheli, Claudio Gallicchio, Nergis Tomen·· 3 天前AI 评分37
超越低通动态：基于谐振神经元的频率选择性脉冲储备池 HRF-Res
Beyond Low-Pass Dynamics: Frequency-Selective Spiking Reservoirs with Resonant Neurons
AI 导读
研究人员提出脉冲储备池计算模型 HRF-Res，通过异构谐振（HRF）神经元替代传统 LIF 神经元，实现对输入频率的选择性响应。在涵盖时间序列、连续图像、音频脉冲与神经形态视觉的 10 项基准测试中，HRF-Res 达到脉冲储备池方法的 SOTA 准确率。该架构保留了事件驱动计算的高能效，能耗相比等效非脉冲振荡储备池最多降低 19x。
来源：arXiv cs.AI · arxiv.org