摘要

我们介绍了一种名为PLEIADES（PoLynomial Expansion In Adaptive Distributed Event-based Systems）的神经网络，该网络属于TENNs（Temporal Neural Networks，时间神经网络）架构。我们专注于将这些网络与事件驱动数据接口连接，以实现低延迟的在线时空分类和检测。通过使用结构化的时间核和事件驱动数据，我们可以在不进行额外微调的情况下自由调整数据的采样率以及网络的离散化步长。我们在三个事件驱动基准数据集上进行了实验，并在所有三个数据集上均取得了显著优于现有方法的结果，同时大幅降低了内存和计算成本。我们的成果包括：1）在DVS128手势识别数据集上，使用192K参数达到了99.59%的准确率，并通过增加一个小输出滤波器实现了100%的准确率；2）在AIS 2024眼动追踪挑战赛中，使用277K参数达到了99.58%的测试准确率；3）在PROPHESEE 1百万像素汽车检测数据集上，使用576K参数达到了0.556的mAP（mean Average Precision）。