脉冲神经网络增强用于遥感OOD检测

研究人员开发了一种新颖的方法来改进脉冲神经网络（SNN）在遥感应用中的分布外（OOD）检测。他们的方法利用了脉冲伪集成，其中多个轻量级分类头连接到一个单一的、固定的SNN骨干网络上。为了防止这些头之间的预测崩溃，他们引入了一个“同意-不同意”目标，鼓励预测的多样性，特别是在引起不确定性的变换输入上。与传统的深度集成相比，该技术显著降低了计算成本和参数数量，同时在EuroSAT、UCM和AID等数据集上取得了相当或更好的性能。 AI

影响 这项研究为SNN中的不确定性估计提供了一种更有效的方法，有可能在资源受限的遥感应用中更广泛地采用人工智能。

排序理由 该集群包含一篇研究论文，详细介绍了一种改进AI模型在特定任务上性能的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• AID
• arXiv
• Eurosat
• out-of-distribution (OOD) detection
• remote sensing
• ResNet19-SNN
• Spikformer
• Spiking Neural Networks
• Spiking pseudo-ensemble

• 论文
• 模型发布

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