تقليل خطوة الوقت: نحو التعرف على الأشياء بمنخفض.latency باستخدام الشبكات العصبية المندفعة

التعرف على الأشياء ذات الطابع العصبي باستخدام الشبكات العصبية النابضة (SNNs) هو حجر الزاوية في الحوسبة العصبية ذات الاستهلاك المنخفض للطاقة. ومع ذلك، تعاني الشبكات العصبية النابضة الحالية من تأخير كبير، حيث تحتاج إلى 10 إلى 40 خطوة زمنية أو أكثر للتعرف على الأشياء العصبية. عند الخطوات الزمنية المنخفضة، تنخفض أداء الشبكات العصبية النابضة الحالية بشكل كبير. في هذا البحث، نقترح شبكات عصبية نابضة متناقصة (SSNN) لتحقيق التعرف على الأشياء العصبية بتأخير منخفض دون المساس بالأداء. بالتحديد، نخفف من التكرار الزمني في الشبكات العصبية النابضة بتقسيمها إلى عدة مراحل مع خطوات زمنية تتقلص تدريجياً، مما يقلل بشكل كبير من وقت الاستدلال. أثناء تقليص الخطوات الزمنية، يقوم المحول الزمني بتحويل المقياس الزمني بشكل سلس وحفظ المعلومات بأقصى قدر ممكن. بالإضافة إلى ذلك، نضيف تصنيفات مبكرة متعددة إلى الشبكة العصبية النابضة خلال التدريب لmitigate عدم التطابق بين الدرجة البديلة والدرجة الحقيقية وكذلك اختفاء أو انفجار الدرجات، وبالتالي القضاء على تدهور الأداء عند التأخير المنخفض. كشفت التجارب الواسعة على مجموعات البيانات العصبية مثل CIFAR10-DVS و N-Caltech101 و DVS-Gesture أن SSNN قادرة على تحسين دقة الأساس بنسبة تتراوح بين 6.55% و 21.41%. وباستخدام فقط خمس خطوات زمنية متوسطة وعدم وجود أي زيادة في البيانات، تمكنت SSNN من تحقيق دقة بلغت 73.63% على CIFAR10-DVS. يقدم هذا العمل شبكة عصبية نابضة بمقياس زمني غير متجانس ويقدم رؤى قيمة لتطوير شبكات عصبية نابضة عالية الأداء ومنخفضة التأخير.注释：- "mitigate" 在这里翻译为 "mitigate" 的阿拉伯语对应词 "تخفيف"，以保持句子的流畅性和准确性。- 其他术语如 "spiking neural networks (SNNs)" 和 "Shrinking SNN (SSNN)" 已经在括号中标注了原文，以确保信息完整。