Reconocimiento de objetos de alta velocidad basado en un sistema neuromórfico
Autores: Yang, Zonglin; Yang, Liren; Bao, Wendi; Tao, Liying; Zeng, Yinuo; Hu, Die; Xiong, Jianping; Shang, Delong
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Reconocimiento de objetos de alta velocidad basado en un sistema neuromórfico
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Sistemas neuromórficos
Bioinspirado
Método de reconocimiento de objetos
DVS
SpiNNaker
SNNs
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
Los sistemas neuromórficos están inspirados en la biología y tienen el potencial de superar el cuello de botella de los sistemas inteligentes existentes. Este artículo propone un método de reconocimiento de objetos neuromórfico de alta velocidad basado en DVS y SpiNNaker e implementa un sistema en el que se utiliza un algoritmo de agregación de lógica OR para adquirir suficiente información efectiva y se explota el mecanismo de cómputo disperso asíncrono de SNNs para reducir la computación. Los resultados del experimento muestran que la tasa de detección de objetos del sistema diseñado es superior al 99% a una velocidad de rotación de 900-2300 rpm; su tiempo de respuesta está dentro de ; y requiere un 96.3% menos de computación que los sistemas de reconocimiento tradicionales que utilizan la misma ANN escalada.
Descripción
Los sistemas neuromórficos están inspirados en la biología y tienen el potencial de superar el cuello de botella de los sistemas inteligentes existentes. Este artículo propone un método de reconocimiento de objetos neuromórfico de alta velocidad basado en DVS y SpiNNaker e implementa un sistema en el que se utiliza un algoritmo de agregación de lógica OR para adquirir suficiente información efectiva y se explota el mecanismo de cómputo disperso asíncrono de SNNs para reducir la computación. Los resultados del experimento muestran que la tasa de detección de objetos del sistema diseñado es superior al 99% a una velocidad de rotación de 900-2300 rpm; su tiempo de respuesta está dentro de ; y requiere un 96.3% menos de computación que los sistemas de reconocimiento tradicionales que utilizan la misma ANN escalada.