文档摘要

第六章 · 传感与计算融合 本章要回答的三个问题：为什么帧相机的"均匀采样"在高动态场景里既浪费又失真？事件相机的微秒级延迟和 120 dB 动态范围从物理上是怎么来的？当传感器输出脉冲、芯片吃脉冲，整条感知-决策链路还能省掉哪些环节？ 为什么会有这一章 前五章有一个隐含假设：数据以帧为单位进来，网络把帧翻译成脉冲。这个假设在第 6 章被推翻——因为最贵的翻译其实发生在传感器里。 会员。《第六章 传感与计算融合》收录于灏天文库文集《神经形态计算 (Neuromorphic Computing)》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/661-%E7%A5%9E%E7%BB%8F%E5%BD%A2%E6%80%81%E8%AE%A1%E7%AE%97-neuromorphic-computing

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流