实体
Miriam Kranzlmüller
Miriam Kranzlmüller
PulseAugur coverage of Miriam Kranzlmüller — every cluster mentioning Miriam Kranzlmüller across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架比较ANN和SNN的能效
已开发出一个新的分析框架，用于比较人工神经网络（ANN）和脉冲神经网络（SNN）在时间序列数据上的能效。该框架对表达能力进行了归一化，揭示了SNN并非总是比ANN更节能。分析确定了事件驱动计算在SNN中可以抵消时间开销的特定模式，为设计节能型时序网络提供了原则。
-
新的基于集合的训练方法通过神经网络证书验证动力学系统的安全性
研究人员开发了一种新颖的基于集合的神经网络障碍证书训练方法，这是一种用于形式化验证动力学系统安全性的技术。该方法通过专门的损失函数将验证过程直接集成到训练循环中。使用此方法将损失降至零，即表示形式化证明的障碍证书，从而将综合和验证简化为一个单一过程。实验表明，即使对于复杂的非线性动力学，该方法也有效，并且随着系统维度的增加，其扩展性也很好。