PulseAugur
中
实时 19:06:48
English(EN) Co-Evolved Spiking Neural Network Ensembles via Marginal Contribution Fitness

新的协同演化框架提升脉冲神经网络性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的协同演化框架来优化脉冲神经网络（SNN），解决了其随任务复杂度扩展的挑战。该方法受合作博弈论启发，基于每个网络对集成性能的边际贡献来定义适应度，鼓励专业化和互补性。在神经形态硬件约束下对分类、回归和控制任务进行的评估表明，与单网络演化和事后集成相比，性能有了显著提升，尤其是在标准方法失效的复杂控制场景中。 AI

排序理由 该集群包含一篇详细介绍神经网络演化新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · James Ghawaly ·

    通过边际贡献适应度协同演化的脉冲神经网络集成

    Evolutionary optimization of spiking neural networks (SNNs) becomes increasingly difficult as task complexity grows because they must search a combined topology--parameter space that grows super-exponentially with network size. We address this scaling challenge through a co-evolu…

相关实体

相关话题