AI 中文总结
本文对先前提出的神经形态DBSCAN的flat和systolic两种构造进行时空扩展，以更好利用事件传感器数据的时空特性，并讨论资源受限时的分段实现，所有实现开源。
AI 中文摘要
DBSCAN是一种对数据进行去噪和聚类的算法。在先前的工作中，我们以神经形态方式实现了DBSCAN算法，引入了称为“flat”和“systolic”的两种构造。“flat”构造优先考虑吞吐量，而“systolic”构造以时间换取空间，从而在牺牲吞吐量的情况下产生更小、更硬件友好的架构。在本工作中，我们提供了这两种构造的时空扩展，以更好地利用事件传感器数据的时空特性。此外，与先前工作一样，我们讨论了在硬件资源受限时进一步利用时间换取空间的部分或分段实现。所有网络构造均作为开源实现提供。
英文摘要
DBSCAN is an algorithm that denoises and clusters data. In prior work, we implemented the DBSCAN algorithm neuromorphically, introducing two constructions termed ``flat'' and ``systolic''. The ``flat'' construction prioritizes throughput, while the ``systolic'' construction trades time for space resulting in a smaller, more hardware-friendly architecture at the cost of throughput. In this work, we offer spatiotemporal extensions of these two constructions to better leverage the spatiotemporal nature of event sensor data. Moreover, as in our prior work, we discuss partial or segmented implementations that further leverage time for space when hardware resources are constrained. All network constructions are provided as open-source implementations.
