SNN 지속학습 평가를 위한 무상태 파이썬 라이브러리

한줄 요약

cl-metrics는 지속학습 평가 지표를 정확히 계산하는 무상태 라이브러리로, SNN 에너지 인식 평가 지표를 최초로 표준화했다.

풀어야 하는 문제

지속학습 연구에서 평균 정확도(AA), 역전달(BWT), 순전달(FWT) 등의 평가 지표가 논문마다 미묘하게 다른 공식으로 계산되어 결과 비교가 어렵다. 또한 스파이킹 신경망(SNN)의 지속학습 평가에는 에너지 효율성을 고려한 표준화된 지표가 부재하다.

접근 방법

원시 N×N 태스크별 정확도 행렬에서 모든 표준 지속학습 평가 지표를 계산하는 무상태 파이썬 라이브러리를 구현했다. SNN을 위해 스파이크 발화율 기반의 에너지 인식 지표 4가지를 새로 도입하여 정확도-에너지 트레이드오프를 정량화한다. 모든 구현은 원래 출판된 공식을 정확히 따르며, Maya Research Series의 7개 논문 벤치마크로 검증했다.

결과·기여

스플릿 CIFAR-10/100에서 Bhaya Quiescence Law(β* ≤ 0.32%)와 Buddhi S-Curve Determinism(R²=1.0000)이 확인되었다. 이 라이브러리는 지속학습 평가의 공식 표류 문제를 해결하고 SNN 에너지 평가를 표준화하여 재현성과 비교 가능성을 높인다.