CIFAR10-DVS: An Event-Stream Dataset for Object Classification
PulseAugur coverage of CIFAR10-DVS: An Event-Stream Dataset for Object Classification — every cluster mentioning CIFAR10-DVS: An Event-Stream Dataset for Object Classification across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型脉冲神经网络Transformer实现最先进的效率
研究人员推出SAFformer，这是一种新颖的脉冲神经网络Transformer架构，旨在提高视觉数据处理的能效和性能。SAFformer采用受大脑预测编码启发的积极预测滤波范式，主动抑制可预测信号，并专注于显著的视觉特征。这种方法在CIFAR-10/100和CIFAR10-DVS数据集上取得了新的最先进成果，并在ImageNet-1K上以显著减少的参数和能耗实现了可观的准确率。
-
磁性神经元实现有符号脉冲，可实现更丰富的AI数据处理
研究人员开发了一种使用磁隧道结（MTJ）的新型神经元，该神经元可以处理有符号信息，比标准脉冲神经元提供更丰富的 数据表示。这种基于MTJ的神经元模仿了有符号泄漏积分发放（LIF）模型的行为，能够生成双极脉冲。当集成到神经网络中时，该设计在CIFAR-10等图像识别任务上实现了高精度，与理想的有符号LIF神经元性能非常接近。
-
QB-LIF神经元通过可学习尺度和脉冲爆发提升SNN效率
研究人员推出了一种新颖的脉冲神经网络（SNN）神经元模型QB-LIF，它解决了二元脉冲编码的信息吞吐量限制。QB-LIF通过使用可学习的尺度进行膜电位量化来重新构建脉冲爆发，使层能够适应其分辨率。这种方法通过将学习到的尺度折叠到突触权重中来保持硬件效率，并使用专门的代理梯度进行稳定优化。
-
Vision SmolMamba 使用尖峰引导式剪枝实现能效型视觉模型
研究人员推出 Vision SmolMamba，这是一种新颖的、能效型的脉冲状态空间架构，专为视觉建模而设计。该架构将脉冲驱动动力学与线性时间选择性递归相结合，利用脉冲引导式时空令牌修剪器 (SST-TP) 根据脉冲激活和延迟来估计令牌重要性。通过逐步移除冗余令牌，Vision SmolMamba 保留了关键的时空信息，实现了高效扩展和改进的精度-效率权衡。在各种基准测试上的实验表明，与之前的脉冲 Transformer 和 Mamb…