يقدم الباحثون SpikeLogBERT، وهو إطار لشبكات عصبية نبضية مصمم لتحليل السجلات بكفاءة عالية في استهلاك الطاقة، حيث يحول السجلات الخام للنظام إلى قوالب أحداث منظمة.
- يدمج النموذج بنية محول نبضي مع تقنيات التقريب المعرفي من نموذج معلم BERT للحفاظ على القدرة التمثيلية الدلالية.
- يستفيد من التنشيطات النبضية المتفرقة والمعالجة المحفزة بالأحداث لتقليل عدد العمليات النشطة بشكل كبير أثناء الاستدلال.
- أظهرت التجارب على مجموعة بيانات HDFS أن SpikeLogBERT يحقق دقة تحليل تبلغ 0.99997، متفوقاً بذلك على نماذج تحليل السجلات العصبية القائمة على ANN.
- يقلل النهج من استهلاك الطاقة النظري المقدر بنسبة تصل إلى 62.6% تحت افتراضات CMOS القياسية بحجم 45nm.
يقدم هذا الإطار طريقة للتحليل الآلي للسجلات تحافظ على دقة عالية مع خفض تكاليف الحساب واستهلاك الطاقة المرتبطة بالضرب المصفوفي الكثيف بشكل كبير.