arXiv cs.AI· Nhan Thanh Nguyen, Phuong Nam Tran, Mengyuan Ma, Huy T. Nguyen, Ahmed Alkhateeb, Markku Juntti·· 6 天前AI 评分18
节能脉冲神经网络用于感知辅助波束预测
Energy-Efficient Spiking Neural Networks for Sensing-Aided Beam Prediction
AI 导读
研究针对毫米波系统中感知辅助波束预测的高能耗问题，开发了脉冲神经网络（SNN）架构，并与传统人工神经网络（ANN）在位置、视觉及多模态输入下系统对比。
正文 · AI 翻译
摘要：感知辅助波束预测可利用来自视觉和位置等互补模态的环境信息，降低毫米波（mmWave）系统的波束训练开销。然而，由此产生的感知与推理流程可能能耗较高，这促使人们使用节能的脉冲神经网络（SNN）作为传统人工神经网络（ANN）的替代方案。在本工作中，我们开发了用于波束预测的 SNN 架构，并使用仅位置、仅视觉和多模态输入将其与 ANN 进行系统比较。我们的结果表明，对于仅位置感知，紧凑型 ANN 始终优于 SNN。相比之下，对于视觉和多模态感知，SNN 在相似能耗下比 ANN 取得更高准确率，并在相当准确率下所需能耗最多低一个数量级。例如，多模态 SNN 达到 58.08% 的 top-1 准确率，比能耗最接近的 ANN 高出 18.11 个百分点。我们进一步表明，SNN 的准确率受限于层间的二值通信，而非模型规模。这些结果展示了 SNN 在节能的感知辅助波束预测方面的潜力，同时凸显了其准确率局限。
| 评论： | 提交以供可能的发表 |
| 主题： | 神经与进化计算（cs.NE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12507 [cs.NE] |
| （或 arXiv:2610.12507v1 [cs.NE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12507 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Nhan Thanh Nguyen [查看电子邮件]
[v1]
2026年10月6日星期二 08:13:54 UTC（81 KB）
来源：arXiv cs.AI · arxiv.org