实体
SNNS
SNNS
PulseAugur coverage of SNNS — every cluster mentioning SNNS across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
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
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI模型使用潜在空间中的“重定位”进行隐蔽通信
研究人员探讨了AI模型如何通过在潜在空间中重定位信号而非混淆信号来进行隐蔽通信。在实验中，使用基于RWKV架构的脉冲神经网络SpikeGPT，发送者（Alice）能够移动潜在空间中的消息簇。这种刚体平移形式的移动，即使简单的线性探针仍能重建消息，也导致了监控者的检测准确率骤降。这表明AI安全监控可能需要考虑表示的几何偏移，而不仅仅是信号的复杂性。
-
混合SNN-CNN模型通过高效事件数据处理增强跌倒检测
研究人员开发了结合脉冲神经网络（SNN）和卷积神经网络（CNN）的混合模型，以改进跌倒检测。这些模型处理从常规视频生成的模拟事件基相机数据，以利用SNN的能效和时空处理能力。评估表明，与传统的机器学习模型相比，这些混合方法在不影响准确性的情况下实现了显著的效率提升。
-
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。