Perturbation-Aware Firing Scaffolds

新方法增强了事件驱动脉冲神经网络的鲁棒性

研究人员开发了扰动感知发放脚手架（PAFS），一种用于事件驱动脉冲神经网络（SNNs）的新型训练后校准方法。PAFS通过分析晚期发放轨迹来解决SNNs对事件丢失或时间戳抖动等扰动的敏感性问题。该方法将这些轨迹与适配器锚点的类别概率残差相关联，并使用奇异值分解提取残差对齐的通道方向。当应用于损坏数据时，PAFS将发放轨迹投影到该脚手架上以纠正logit预测，在各种数据集和架构上，可将准确率提高多达3.65个百分点，同时仅增加极少的训练参数。