新的噪声群组神经元模型提升脉冲神经网络性能

研究人员引入了一种新颖的噪声群组神经元（NGN）模型，旨在提升脉冲神经网络（SNN）的性能。该模型整合了群体同步重置和神经随机性，以应对训练深度SNN时面临的挑战，例如时空信息丢失和梯度不匹配。NGN方法结合基于平均场动力学的反向传播学习，在CIFAR-10、CIFAR-100和Tiny-ImageNet等各种数据集上取得了显著改进，在10次推理步骤内，CIFAR10-DVS的准确率达到了87.35%。 AI

影响 这项研究可能带来更高效、更准确的神经形态计算系统。

排序理由 该集群包含一篇详细介绍脉冲神经网络新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• CIFAR-10
• CIFAR-100
• CIFAR10-DVS
• DVS Gesture
• N-CALTECH101
• noisy group neurons
• Spiking neural networks
• Tiny-ImageNet

• 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 →