神经形态计算的协变时空感受野

生物神经系统是构建更快、更廉价和更节能计算机的重要灵感来源。神经形态学科将大脑视为一个共同进化的系统，同时优化硬件和运行其上的算法。当将计算带入物理基质时，效率显然有所提升，但我们目前缺乏理论来指导高效的实现。在这里，我们提出了一种基于空间上仿射高斯核和时间上漏积分器及漏积分-发火模型的协同性计算模型，用于神经形态系统。我们的理论在空间仿射和时间缩放变换下是可证实的协变，并与哺乳动物大脑中的视觉处理有着密切的相似性。我们将这些时空感受野作为事件驱动视觉任务中的先验，并证明这改善了脉冲网络的训练，而脉冲网络在事件驱动视觉中通常被认为是有问题的。这项工作结合了尺度空间理论和计算神经科学的努力，以识别在神经形态系统中处理时空信号的理论基础方法。我们的贡献与信号处理和事件驱动视觉立即相关，并可扩展到其他时空处理任务，如记忆和控制。