Spike Activation Maps

结合SAM引导重放的脉冲神经网络增强持续学习能力

研究人员开发了一种新的深度脉冲神经网络（SNN）持续学习方法，以对抗灾难性遗忘。该方法将经验打包与重放（EPR）与脉冲激活图（SAM）相结合，创建了一种内存高效的策略。SAM根据脉冲活动生成解释，然后利用这些解释选择信息丰富的图像块进行重放，从而减少存储完整图像的需求。在Split CIFAR10和Split CIFAR100数据集上的实验表明，这种SAM引导的EPR提高了准确性-内存权衡，尤其是在严格的内存限制下。