English(EN) ShiftLIF: Efficient Multi-Level Spiking Neurons with Power-of-Two Quantization

ShiftLIF神经元通过二的幂量化提升脉冲神经网络效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员推出了一种新颖的多级脉冲神经元ShiftLIF，旨在增强脉冲神经网络（SNN）在边缘计算中的表征能力。与传统的二元脉冲神经元不同，ShiftLIF采用二的幂量化方案，能够更精细地表示膜电位，尤其是在密集、低幅值情况下。该设计还通过位移操作实现了高效的、无需乘法的计算，保持了硬件效率。 AI

影响引入了一种更高效的脉冲神经网络神经元设计，有望提升边缘设备的性能。

排序理由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]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Kaiwen Tang, Di Yu, Jiaqi Zheng, Changze Lv, Qianhui Liu, Zhanglu Yan, Weng-Fai Wong · 2026-05-05 04:00

ShiftLIF: Efficient Multi-Level Spiking Neurons with Power-of-Two Quantization

arXiv:2605.01866v1 Announce Type: cross Abstract: Spiking neural networks (SNNs) are promising for edge sensing due to their event-driven computation and temporal filtering capability. However, standard leaky integrate-and-fire (LIF) neurons communicate only through binary spikes…