spiking neural network
PulseAugur coverage of spiking neural network — every cluster mentioning spiking neural network across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
受生物启发的Transformer增强高动态范围图像重建
研究人员开发了Bio-SFT，这是一种新颖的受生物启发的脉冲频率Transformer，用于从标准动态范围输入重建高动态范围（HDR）图像。该系统融合了三个关键的生物机制：用于照明稳定的Naka-Rushton视网膜适应前端，用于结构引导的Parvo-Magno分裂，以及用于抑制暗区噪声的事件驱动脉冲神经网络（SNN）。这种方法旨在减少视觉伪影和颜色失真，在HDRTV1K数据集上展示了具有竞争力的感知质量和改进的指标。
-
神经形态处理器实现高能效物体姿态估计
研究人员开发了一种新颖的鲁棒透视n点（PnP）公式，可在神经形态处理器上执行，从而提高机器人感知中物体姿态估计的能效。该方法通过从易受离群值影响的2D-3D对应关系中确定具有最多内点的物体姿态。此外，还设计了一个脉冲神经网络（SNN）来从事件数据中预测2D地标，从而实现对物体姿态估计流程的更完整的神经形态处理。在Intel Loihi 2硬件上进行的测试证明了其具有竞争力的准确性和卓越的能效。
-
通过量化和剪枝提高脑电图癫痫检测模型的效率
研究人员开发了使深度神经网络更有效地从脑电图数据中检测癫痫发作的方法。他们探索了将卷积神经网络（CNN）转换为脉冲神经网络、剪枝脑电图通道以及使用INT8量化。这些技术将模型大小减少了高达73%，并将推理速度提高了2.8倍，同时保持或略微提高了癫痫检测的曲线下面积（AUC）。
-
RainDancer 框架融合 RGB 和事件相机数据以实现高级视频去雨
研究人员开发了 RainDancer，一个结合 RGB 和事件相机数据的视频去雨新框架。该方法采用“先分解后交互”策略，在融合前分离每个数据流中的雨滴和背景成分。RGB 分支逐步分解帧特征，而事件分支则采用面向雨滴的脉冲神经网络来捕捉雨滴动力学。该方法旨在提高去雨视频的质量和鲁棒性，以用于下游感知任务。
-
新型攻击针对事件驱动型SNN，延迟增加38%
研究人员开发了一种名为事件突发触发器（EBT）的新型可用性后门攻击，专门针对用于目标检测的事件驱动型脉冲神经网络（SNN）。该攻击将触发器注入训练数据中，在推理过程中导致时间上集中的事件流，显著增加了非极大值抑制（NMS）等后处理阶段的计算负载。虽然EBT在很大程度上保持了检测精度，但可能将NMS延迟最多增加38%，从而可能成为瓶颈。该攻击还会微妙地提高边缘平台的资源利用率，而不会出现明显的峰值，并且STRIP等标准检测方法难以识别它。
-
脉冲神经网络（Burst Spiking Neural Networks）提升准确性和鲁棒性
研究人员引入了脉冲神经网络（Burst Spiking Neural Networks, BuSNNs），以提高脉冲神经网络（SNNs）的准确性和鲁棒性，目标是使其成为人工神经网络（ANNs）可行的低功耗替代品。提出的BuSNNs利用增强脉冲的神经元（Burst-enhanced Spiking Neurons, BSNs）实现分级脉冲模式，并通过动态权重约束（Dynamic Weight Constraint, DWC）机制来减轻对…
-
Spiking Neural Network Achieves In-Context Learning with Single Layer
研究人员开发了一种新颖的单层脉冲神经网络架构 DendriCL，该架构展示了上下文学习 (ICL) 能力。与依赖深度架构和隐式梯度下降的现有 AI 模型不同，DendriCL 利用单个树突室的亚阈值动力学来实现在线学习算法。这种方法使网络能够在不需要注意力机制、架构深度或推理时可塑性的情况下实现 ICL，并且在传统模型 falter 的基准测试中表现稳定。
-
神经形态EMRFormer在调制识别方面实现90%的能耗降低
研究人员开发了EMRFormer，这是一种新颖的脉冲神经网络（SNN）架构，专为资源受限的神经形态硬件上的端到端自动调制识别（AMR）而设计。该架构集成了脉冲驱动的Transformer与自适应脉冲编码和整数泄漏积分-发放（Leaky Integrate-and-Fire）神经元，以提高信息保持能力和表征能力。EMRFormer还集成了脉冲可分离卷积神经网络（CNN），用于从原始IQ波形中提取多尺度时间特征，在实现最先进的准确率的同时…
-
新型脉冲神经网络架构增强语音处理能力
研究人员开发了一种新颖的双分支脉冲神经网络架构，称为 GSU-DBNet，旨在增强语音处理。该架构利用门控脉冲单元 (GSU) 同时模拟语音的幅度和复数频谱，并预测相应的频谱掩码。实验表明，GSU-DBNet 在参数量远少于可比的 ANN 模型的情况下，实现了更高的 PESQ 分数，表明其能效和性能均有所提高。
-
脉冲神经网络：人工智能的第三代
脉冲神经网络（SNNs）代表了第三代神经网络技术，与传统的深度学习模型不同。与连续激活不同，SNNs 在时间上利用离散脉冲，这些脉冲的定时携带信息。这种事件驱动的稀疏脉冲机制有望在神经形态芯片上实现显著降低的功耗，使其具有高能效。然而，训练这些不可微分的脉冲仍然是一个关键挑战，与传统网络的准确性差距仍在解决中。
-
神经形态强化学习框架大幅降低RMFS能耗和延迟
研究人员开发了SDQN-RMFS，一个用于机器人移动履行系统（RMFS）高效路径规划的新型框架。该系统将强化学习训练的人工神经网络转换为脉冲神经网络，从而在神经形态芯片上实现超低功耗运行。硬件实验表明，与GPU基线相比，能耗显著节省高达11,281倍，延迟降低两倍，同时保持了策略性能。
-
撤回的论文揭示了AI模型中依赖于底层的对抗性故障
一篇已被撤回的研究论文探讨了物体检测器中的对抗性鲁棒性，特别关注一种被称为“质量损坏”（QC）的现象。研究观察到，其中一个模型EMS-YOLO（一种脉冲神经网络）在遭受对抗性攻击时，尽管准确率崩溃，但仍保留了高比例的检测结果。这种被称为QC的行为被发现是依赖于底层的，仅出现在四种测试的SNN架构中的一种，并且证明能抵抗标准的防御机制。
-
神经形态触发器提升音频事件检测效率
研究人员开发了一种新颖的神经形态触发器，利用脉冲神经网络（SNN），旨在高效处理连续音频流以用于实时应用。这种低成本的前端能够识别显著的音频片段，并将其转发给计算密集型模型以执行分类等任务。该系统在音频事件检测任务上表现出色，在异常声音检测方面取得了高F1分数，并显著降低了声音事件检测的计算成本。
-
新的协同进化方法增强了脉冲神经网络的性能
研究人员开发了一个用于优化脉冲神经网络（SNN）的协同进化框架，解决了其复杂搜索空间的挑战。这种新方法基于每个网络对集成性能的边际贡献来定义适应度，鼓励专业化和互补性。在分类、回归和控制任务上的评估表明，与传统的单网络进化和事后集成相比，性能有了显著提高，特别是在标准方法失败的控制任务上。
-
新的DBHN-Net将语音增强复杂度降低7.5倍
研究人员开发了一种新的双分支混合神经网络（DBHN-Net），旨在显著降低语音增强系统的计算复杂度和功耗。该网络集成了传统的人工神经网络（ANN）和脉冲神经网络（SNN），其中SNN分支负责降低功耗，ANN分支负责补偿潜在的信息损失。据报道，这种混合方法以及用于特征提取和融合的专用模块，在公共数据集上取得了优于现有模型的性能，同时将计算复杂度平均降低了7.5倍。
-
新的LoRSP框架使用脉冲神经元进行稀疏视觉提示
研究人员开发了一个名为LoRSP的新颖框架，该框架将受大脑启发的脉冲神经网络与低秩因子分解相结合，用于视觉提示。该方法为适应视觉模型生成稀疏、实例特定的提示，旨在与密集像素级提示相比，提高效率和泛化能力。实验表明，LoRSP在各种视觉骨干网络上以更少的参数实现了具有竞争力的性能。
-
ELSA架构实现弹性推理，助力高效神经形态计算
研究人员推出ELSA，一种旨在提高脉冲神经网络（SNN）在神经形态计算中效率的新型架构。ELSA通过实现真正的弹性推理，克服了现有加速器的局限性，允许数据在流经系统时逐步生成输出。与当前的SNN和量化ANN加速器相比，这种细粒度的、逐令牌的流水线显著降低了延迟并提高了能效。
-
新型计算内存宏提升边缘AI推理效率
研究人员开发了E-ReCON，这是一种新颖的计算内存（CIM）宏，专为边缘设备上的高效AI推理而设计。该宏利用紧凑的ReRAM位单元，能够为常规神经网络和脉冲神经网络执行乘法运算。该设计采用了交错加法器树以减少晶体管数量和功耗，从而实现高能效和低延迟。
-
人工智能安全阈值被重新解读为神经元放电阈值
研究人员提出了一种新的方法来评估自动驾驶系统的安全性，将安全阈值建模为神经元放电阈值。该方法使用在人类刹车数据上训练的脉冲神经网络（SNN）来更好地捕捉对持续的临界条件和短暂的高风险事件的响应。研究表明，这种受生物学启发的模型可以将客观安全措施与主观人类感知相协调。
-
铁电突触实现用于脑电信号处理的个性化SNN
研究人员开发了利用铁电突触处理脑电图（EEG）信号的个性化脉冲神经网络（SNN）。该方法旨在通过适应个体用户差异和会话间信号变化来提高脑机接口的泛化能力。该系统采用混合精度策略进行设备上自适应，考虑了特定设备的编程动态以缓解耐久性和能量限制，展示了通往个性化神经形态处理的实用途径。