.png){kind=icon}
返回
Neuromorphic principles for machine olfaction
.png){kind=icon}
OA
AI
DOI：10.1088/2634-4386/add0dc.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经形态计算通过地址事件表示和增量采样等概念，在机器视觉领域的突破性进展中，已经革新了传感器技术，实现了低延迟和高动态范围的感知，同时带宽最小化。尽管这些进步在视觉和听觉感知中表现突出，但其在机器嗅觉领域的潜力仍被低估，特别是在快速传感的背景下。在此，我们概述了神经形态原理在机器嗅觉中的应用前景。考虑到湍流气味环境的物理特性，我们主张事件驱动信号处理最适合嗅觉信号的固有属性。我们强调了由于湍流扩散过程导致的带宽限制缺乏、特征性的时间和化学稀疏性，以及气味景观的高信息密度。此外，我们对神经形态嗅觉的相关文献进行了批判性回顾和讨论，特别关注事件生成算法、信息编码机制、事件处理方案（脉冲神经网络）和学习等神经形态原理。我们讨论认为，神经形态原理的应用可能显著提升机器人嗅觉的响应时间和任务性能，使自主系统能够在湍流环境中执行复杂任务——如环境监测、气味引导的搜索与救援行动以及危险检测。
Keyword:
neuromorphic computing
olfaction
machine perception
期刊
IF:
6.1
论文数:
340
被引数:
920
机构
引用论文
Highly selective detection of methanol over ethanol by a handheld gas sensor.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Towards Gas Discrimination and Mapping in Emergency Response Scenarios Using a Mobile Robot with an Electronic NoseSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏分享收藏Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings在药物发现和开发环境中估算溶解度和渗透性的实验和计算方法
PREAI
分享收藏
查看更多内容