English(EN) Co-Evolved Spiking Neural Network Ensembles via Marginal Contribution Fitness

新的协同进化方法增强了脉冲神经网络的性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-12 00:04

研究人员开发了一个用于优化脉冲神经网络（SNN）的协同进化框架，解决了其复杂搜索空间的挑战。这种新方法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。在分类、回归和控制任务上的评估表明，与传统的单网络进化和事后集成相比，性能有了显著提高，特别是在标准方法失败的控制任务上。 AI

影响这项研究通过提高脉冲神经网络的训练和性能，有望带来更高效、更有效的AI模型，尤其是在神经形态硬件方面。

排序理由该集群包含一篇arXiv预印本，详细介绍了脉冲神经网络的新研究方法。

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]

arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · James Ghawaly · 2026-06-12 00:04

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…