实体
Spiking networks for Bayesian inference and choice
Spiking networks for Bayesian inference and choice
PulseAugur coverage of Spiking networks for Bayesian inference and choice — every cluster mentioning Spiking networks for Bayesian inference and choice 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 1
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
-
新的相位状态空间模型支持脉冲神经网络的并行训练
研究人员引入了相位状态空间模型（PSSM）作为一种新颖的框架，用于并行训练脉冲神经网络。该方法为共振和发放（R&F）神经网络提供了新的解释，使其能够兼容真实和脉冲输入，以及并行或循环执行。PSSM框架还建立了与高维计算的联系，并保留了生物学上逼真的特征，其实现已得到证明，集成了短时傅里叶变换、循环记忆和注意力能力。
-
脉冲神经网络通过神经科学技巧实现15倍效率提升
一位独立开发者定制的脉冲神经网络（SNN）最初因内存深度有限而在NARMA-10基准测试中失败。通过引入一种受神经科学启发的异构导线长度技术，网络的内存得到改善，使其能够匹配基本的直线拟合基线。虽然连续网络在绝对准确性方面仍优于SNN，但脉冲方法在特定任务上的等效性能方面，在计算操作方面显示出显著的15倍效率提升。