具身智能
超越低通动力学：具有共振神经元的频率选择性脉冲储备池
原标题: 超越低通动力学：具有共振神经元的频率选择性脉冲储备池
📋总体概括
arXiv新论文提出HRF-Res，一种用谐波共振-发放（HRF）神经元替换传统LIF神经元的脉冲储备池计算方法。LIF神经元的低通动力学难以区分不同时间频率编码的信息，而HRF神经元具有本征振荡特性，可对特定输入频率选择性响应，使储备池捕捉频率特异的时间模式，获得更具判别性的表征和更高分类性能，兼顾固定储备池的训练效率与事件驱动推理的能效优势。
⚡关键信息
- ▸论文提出HRF-Res，用异构谐波共振-发放（HRF）神经元群体替换储备池中的LIF神经元
- ▸现有脉冲储备池几乎全部依赖LIF神经元，其低通动力学限制了对不同时间频率信息的区分能力
- ▸HRF神经元具有本征振荡动力学，可对输入频率选择性响应，捕捉频率特异的时间模式
- ▸方法保留固定循环储备池的训练效率和事件驱动稀疏脉冲推理的能效优势
- ▸论文编号arXiv:2610.37906，属于液态状态机（LSM）方向的改进工作
🔥犀利点评
储备池计算领域被LIF统治多年，大家默认低通滤波够用，这篇直接把神经元底座换成本征振荡的HRF，思路干净利落——既然任务信息分布在时间频率上，就让神经元自己去谐振匹配，而不是靠读出层硬扛。风险在于真实神经形态硬件上实现振荡动力学的代价，以及异构调谐是否需要在任务间重新配参。方向值得肯定，落地还看芯片侧能否低成本支持。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 arXiv cs.AI 论文 阅读全文 →