研究人员推出了一种新颖的脉冲神经元模型FiTS，旨在增强脉冲神经网络（SNN）的可解释性。FiTS通过将时间计算分离为频率选择性（FS）和时间整形（TS）模块来实现这一点。FS模块识别神经元的最优频率，而TS模块则调节频率分量如何影响膜电压累积。与标准的LIF神经元相比，该方法在听觉基准测试中表现出更高的性能，并为网络学习到的时间和频率组织提供了更清晰的见解。 AI
影响 引入了一种创建更具可解释性的脉冲神经网络的新方法，有望助力开发更高效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.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →