arXiv cs.AI· Elvin Hajizada, Danielle Rager, Timothy Shea, Leobardo Campos-Macias, Andreas Wild, Eyke H\"ullermeier, Yulia Sandamirskaya, Mike Davies·· 11 小时前AI 评分34
CLP-SNN：在 Intel Loihi 2 上实现在线持续学习的脉冲神经网络
Online Continual Learning on Intel Loihi 2 via a Co-designed Spiking Neural Network
AI 导读
CLP-SNN 将 Continually Learning Prototypes 算法重构为事件驱动的脉冲神经网络动态，成为 Intel Loihi 2 上首个在线持续学习器。
正文 · AI 翻译
摘要：边缘 AI 必须在紧张的功耗预算内适应新类别和数据漂移，而在线持续学习（在下一个样本到来之前从每个样本中学习）正是传统处理器效率最低的环节：每次小更新都要以全功率付出一次完整调度。我们提出 CLP-SNN，一种脉冲架构，将持续学习原型（CLP）算法重构为事件驱动的神经动力学：自归一化局部规则取代 CLP 的全局重归一化，原型分配变为新颖性触发的神经发生，正确性调制的可塑性变为奖励门控的逐神经元元可塑性。作为该芯片上首个在线持续学习器，部署在 Intel Loihi 2 上的无回放 CLP-SNN 在 OpenLORIS 的 1-shot 设置下与 Replay 和 SLDA 持平；在 25-shot 下，它与 Replay 的差距保持在 0.8 个百分点以内，比基于协方差的 SLDA 低 6.2 个百分点。在提取特征上，每个预测与更新步骤在片上完成仅需 0.33 ms、0.05 mJ，相比 Jetson Orin Nano 上的 Replay 延迟低 7.3 倍、能耗低 341 倍。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；分布式、并行与集群计算（cs.DC）；神经与进化计算（cs.NE） |
| 引用为： | arXiv:2511.01553 [cs.LG] |
| （或本版本使用 arXiv:2511.01553v3 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2511.01553 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Elvin Hajizada [查看邮箱]
[v1]
2025 年 11 月 3 日星期一 13:16:16 UTC（517 KB）
[v2]
2026 年 5 月 5 日星期二 20:15:29 UTC（777 KB）
[v3]
2026 年 10 月 20 日星期二 08:41:18 UTC（781 KB）
来源：arXiv cs.AI · arxiv.org