PulseAugur
中
实时 07:24:40
English(EN) AS-FedBridge: Pseudo-Spike Bridge Distillation for Heterogeneous ANN-SNN Federated Learning

新的AS-FedBridge框架将人工神经网络和脉冲神经网络对齐以用于联邦学习

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出AS-FedBridge，这是一个新颖的联邦学习框架，专为涉及人工神经网络（ANN）和脉冲神经网络（SNN）的场景设计。该框架通过使用伪脉冲接口将连续信号与脉冲兼容的表示对齐，解决了ANN和SNN之间的表征不匹配问题。AS-FedBridge旨在提高协作学习性能，同时保持数据隐私，并为模型性能和资源效率（尤其是在边缘设备上）提供权衡。 AI

影响 该框架通过弥合不同神经网络架构之间的差距，有望在资源受限的边缘设备上实现更高效、更私密的AI模型训练。

排序理由 该集群包含一篇详细介绍新联邦学习框架的研究论文。[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 →

新的AS-FedBridge框架将人工神经网络和脉冲神经网络对齐以用于联邦学习

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Shengyang Li, Yiting Dong, Liuyang Song, Ximing Wang, Luyuan Xie, Cong Li, Qingni Shen, Zhaofei Yu ·

    AS-FedBridge: Pseudo-Spike Bridge Distillation for Heterogeneous ANN-SNN Federated Learning

    arXiv:2608.03324v1 Announce Type: new Abstract: Federated learning enables collaborative model training across distributed edge devices while strictly preserving data privacy. To facilitate practical deployment on resource-constrained edge devices, Spiking Neural Networks (SNNs) …

  2. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Zhaofei Yu ·

    AS-FedBridge：用于异构ANN-SNN联邦学习的伪脉冲桥蒸馏

    Federated learning enables collaborative model training across distributed edge devices while strictly preserving data privacy. To facilitate practical deployment on resource-constrained edge devices, Spiking Neural Networks (SNNs) have emerged as a promising alternative to tradi…

相关实体

相关话题