PulseAugur
中
实时 07:36:04
Deutsch(DE) Burst Spiking Neural Networks

新型脉冲神经网络增强准确性和鲁棒性

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员引入了脉冲神经网络（BuSNNs），以增强脉冲神经网络（SNNs）的准确性和鲁棒性，旨在使其成为传统人工神经网络（ANNs）的可行低功耗替代品。提出的BuSNNs利用增强脉冲的神经元（BSNs）进行分级脉冲模式，以及动态权重约束（DWC）机制来减轻对输入变化的敏感性。在CIFAR-10和ImageNet上的实验表明，BuSNNs在准确性和鲁棒性方面优于SNN和ANN，在保持SNN低功耗优势的同时，达到了8位ANN的性能。 AI

影响 引入了一种更鲁棒、更准确的低功耗ANN替代方案，有望推动节能AI应用的发展。

排序理由 该集群描述了一篇提出新型神经网络架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型脉冲神经网络增强准确性和鲁棒性

报道来源 [2]

  1. arXiv cs.AI TIER_1 Deutsch(DE) · Jiahong Zhang, Sijun Shen, Man Yao, Han Xu, Mingqiang Huang, Yonghong Tian, Bo Xu, Guoqi Li ·

    脉冲发放神经网络

    arXiv:2607.11914v1 Announce Type: cross Abstract: A central goal of current Spiking Neural Network (SNN) research is to improve their accuracy toward becoming low-power alternatives to Artificial Neural Networks (ANNs). This work further argues that realizing this ambition requir…

  2. arXiv cs.NE (Neural & Evolutionary) TIER_1 Deutsch(DE) · Guoqi Li ·

    Burst Spiking Neural Networks

    A central goal of current Spiking Neural Network (SNN) research is to improve their accuracy toward becoming low-power alternatives to Artificial Neural Networks (ANNs). This work further argues that realizing this ambition requires improving not only accuracy but also robustness…

相关实体

相关话题