초록: 스파이킹 저수지 컴퓨팅은 고정형 순환 저수지의 학습 효율성과, 매 테이크스텝마다 밀집하게 수행되는 대신 희소한 스파이크에 의해 계산이 촉발되는 이벤트 기반 추론의 에너지 효율성을 결합한다. 그러나 기존의 스파이킹 저수지는 거의 대부분 누설 통합-화재(LIF) 뉴런에 의존하며, 이 뉴런의 로우패스 동역학은 서로 다른 시간 주파수로 부호화된 정보를 구분하는 능력을 제한한다. 우리는 LIF 뉴런을 조화 공명-화재(HRF) 뉴런의 이질적 집단으로 대체한 액체 상태 머신인 HRF-Res를 제안한다. 이 뉴런들은 고유의 진동 동역학을 가지며 입력 주파수에 선택적으로 반응하여, 저수지가 주파수별 시간 패턴을 포착할 수 있도록 한다. 그 결과, LIF 기반 저수지보다 더 높은 구분력의 표현과 분류 정확도를 달성하면서도 스파이킹 컴퓨팅의 에너지 효율성을 유지하며, 동등한 비스파이킹 진동 저수지에 비해 최대 19배 낮은 에너지 소비를 보여준다. 시계열, 순차 이미지, 오디오 스파이크 트레인 및 뉴로모픽 비전을 아우르는 10개의 벤치마크에서 평가한 결과, HRF-Res는 스파이킹 저수지 방법 중 최고 수준의 정확도를 달성했다. 이러한 결과는 스파이킹 저수지에 주파수 선택적 동역학을 도입함으로써, 본래의 에너지 효율성을 유지하면서도 표현의 질과 분류 성능을 향상시킬 수 있음을 입증한다.
댓글: | NeurIPS 2026에 채택됨. 본문 30쪽(주요 내용 10쪽), 그림 4개. 코드: 이 https URL 주제: | 인공지능(cs.AI) 인용: | arXiv:2610.37906 [cs.AI] | (또는
arXiv:2610.37906v1 [cs.AI] 이 버전에 대해) | https://doi.org/10.48550/arXiv.2610.37906
더 알아보기
DataCite를 통한 arXiv 발행 DOI(등록 대기 중)
투고 이력
논문 보기:
PDF 보기
HTML(실험적)
TeX 소스
추가 기능
오디오 요약
현재 탐색 컨텍스트:
참고문헌 및 인용
Google 학술검색
Semantic Scholar
북마크
기관
arXivLabs는 협력자가 당사 웹사이트에서 새로운 arXiv 기능을 직접 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 일하는 개인과 조직 모두는 개방성, 커뮤니티, 우수성, 그리고 사용자 데이터 개인정보 보호라는 당사의 가치를 수용하고 받아들였습니다. arXiv은 이러한 가치에 헌신하며, 이에 부합하는 파트너들과만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.