본 연구는 SNN(Spiking Neural Network)과 HDC(Hyperdimensional Computing)를 결합한 새로운 SNN 디코딩 방법을 제시한다. 목표는 높은 정확도, 높은 잡음 견고성, 낮은 지연 시간, 낮은 에너지 사용량을 갖는 디코딩 방법을 개발하는 것이다. 기존의 유사 아키텍처와 비교하여, 제안된 SNN-HDC 모델은 여러 벤치마크 테스트에서 더 나은 분류 정확도, 더 낮은 분류 지연 시간, 그리고 더 낮은 추정 에너지 소비를 달성했다. SNN-HDC는 DvsGesture 데이터셋에서 1.24배에서 3.67배, SL-Animals-DVS 데이터셋에서 1.38배에서 2.27배의 추정 에너지 소비 감소를 달성했다. 또한, 훈련되지 않은 미지의 클래스를 효율적으로 식별할 수 있다. DvsGesture 데이터셋에서 SNN-HDC 모델은 미지의 클래스 샘플을 100% 식별할 수 있었다.
