GC-LIF

新型脉冲神经网络实现视觉任务的群等变性

研究人员开发了GC-LIF，一种新颖的脉冲神经网络架构，它集成了群等变性以提高视觉任务的性能。这个新模型SGE-Net通过确保泄漏积分发放（leaky integrate-and-fire）神经元动力学不会破坏群等变卷积引入的等变性，解决了脉冲神经网络中的一个关键挑战。SGE-Net在包括MNIST和CIFAR-10在内的各种图像数据集上表现出优越的性能，在没有旋转数据增强的情况下训练时，其性能优于传统的脉冲神经网络。