PulseAugur
实时 12:24:20
English(EN) Congestion-Aware Dynamic Axonal Delay for Spiking Neural Networks

面向脉冲神经网络的拥塞感知动态轴突延迟

研究人员开发了一种名为拥塞感知动态轴突延迟(Congestion-Aware Dynamic Axonal Delay)的新方法,用于脉冲神经网络(SNNs)。与静态延迟方法相比,该方法提高了脉冲对齐能力,并减少了延迟参数的数量。在语音基准测试上的实验表明,准确性有所提高,参数数量显著减少。 AI

影响 为SNNs引入了一种更有效的方法,有可能在能源受限的应用中提高性能。

排序理由 这是一篇详细介绍脉冲神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

面向脉冲神经网络的拥塞感知动态轴突延迟

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Dewei Bai, Hongxiang Peng, Yunyun Zeng, Ziyu Zhang, Hong Qu ·

    Congestion-Aware Dynamic Axonal Delay for Spiking Neural Networks

    arXiv:2605.01291v1 Announce Type: new Abstract: Spiking Neural Networks (SNNs) are widely regarded as an energy-efficient paradigm for modeling and processing temporal and event-driven information. Incorporating delays in SNNs has been proven to be an effective mechanism for impr…