硬件匹配脉冲神经网络实现浦肯野细胞分类

2026年10月28日，arXiv Artificial Intelligence 刊出 Arooba Farhan 等作者的预印本研究，提出两款与目标硬件匹配的紧凑脉冲神经网络（SNN），用于在体实时区分浦肯野细胞的简单棘波与复杂棘波。其中 ConvSNN 映射到 EFM32PG28 微控制器的矩阵向量处理器（MVP），在未见过的细胞上取得 CS F1 0.873，参数量 1,018；StreamSNN 面向专用 SKY130 电路，每个时间步处理一个波形值，采用可学习时间常数与固定突触延迟，F1 为 0.837，参数量 527。两款网络均使用八位权重。报道未提及后续实验、应用部署或同行评审进展，目前进展停留在方法提出与离线/硬件映射评估阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。