تكنولوجيا استشعار الرؤية الديناميكية (DVS) هي تقنية تصوير تعتمد على الأحداث مستوحاة من المphotoreceptors البيولوجية، والتي تحمل وعدًا كبيرًا للحوسبة الطرفية. غالبًا ما تتلوث تدفقات الأحداث الناتجة عن DVS بضوضاء النشاط الخلفي (BA) وضوضاء النقاط الساخنة، مما يؤدي إلى تدهور معالجة البيانات. تستخدم الفلاتر الحالية عادةً معلمات ثابتة، مما يؤدي إلى ضعف التكيف مع الإضاءة المتغيرة. في هذه الورقة، نقترح شبكة عصبية رنانة بتصفية تكييفية خفيفة الوزن (AEFSNN) للتغلب على هذه القيود. مستوحاة من البلاستيكية التوازنية، تقوم AEFSNN بضبط عتبات الخلايا العصبية ديناميكيًا من خلال مراقبة نسبة النبضات من المدخلات إلى المخرجات، مما يسمح للشبكة بالتقارب بشكل مستقل إلى نقطة تشغيل مثالية عبر ظروف الإضاءة المختلفة. علاوة على ذلك، نقدم آلية جديدة لاستيقاظ الخلايا العصبية تعيق معالجة الخلايا العصبية حتى يتم تشغيلها بواسطة مدخلات صالحة، مما يقلل بشكل فعال من الأحداث الزائدة الناتجة عن النشاط المجاور. تُظهر التجارب أن AEFSNN أكثر ثباتًا تحت الإضاءة المتغيرة. بالمقارنة مع الفلاتر الحالية، تزداد نسبة الإشارة إلى الضوضاء (SNR) للبيانات المخرجة بمقدار 1.42–2.33 ديسيبل. بالإضافة إلى ذلك، تحسن البيانات المفلترة من دقة التصنيف في المهام التالية، مما يثبت قيمتها العملية في أنظمة الرؤية العصبية.
درس شيوي وآخرون (الجمعة) هذا السؤال.