Spiking Decision Transformer: Neuromorphe Effizienz für energiearme Sequenzsteuerung
Ein neuer Ansatz im Bereich des Reinforcement Learning kombiniert die Leistungsfähigkeit von Transformer‑Architekturen mit der Energieeffizienz von Spiking Neural Networks. Der Spiking Decision Transformer (SNN‑DT) integriert Leaky‑Integrate‑and‑Fire‑Neuronen in jedes Self‑Attention‑Block, sodass die Modellierung von Entscheidungssequenzen in einem event‑getriebenen, ultra‑low‑power‑Framework möglich wird.
