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.
4 天有情绪数据
-
新的 ANTShapes 数据集推动事件驱动的神经形态对象分类发展
研究人员推出 ANTShapes，一个用于生成和标记对象分类事件驱动视觉数据集的模拟工具。本文介绍了使用 ANTShapes 创建的四个新数据集，并使用卷积脉冲神经网络 (SNN) 将它们与 N-MNIST 和 CIFAR10-DVS 等已建立的数据集进行了基准测试。这项工作验证了 ANTShapes 的实用性，并为事件驱动的计算机视觉和神经形态计算的未来研究提供了宝贵的资源。
-
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%。
-
新的噪声群组神经元方法提高了脉冲神经网络的性能
研究人员开发了一种名为噪声群组神经元（NGN）的新方法来改进脉冲神经网络（SNN）的训练。该方法通过引入群体同步重置和神经随机性，解决了时空信息丢失和梯度不匹配等挑战。NGN 方法结合反向传播学习，在 CIFAR10-DVS 数据集上，在 10 次推理时间步内达到了 87.35% 的准确率，显示出其在高性能神经形态计算方面的潜力。
-
新方法增强 Spiking Transformer 在图像任务上的性能 · 跟踪 2 个来源
研究人员引入了尖峰局部交互 (SLI) 和自适应互补融合 (ACF) 来增强 Spiking Transformer。这些方法通过引入一个独立于注意力的通道，用于相邻尖峰令牌之间的直接信息交换，并自适应地平衡 SSA 和 SLI 的贡献，从而解决了标准尖峰自注意力 (SSA) 的局限性。在包括 ImageNet-1K 和 ADE20K 在内的各种数据集上的实验表明，在图像分类、基于事件的识别和语义分割方面取得了持续的改进。
-
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…