Yusuke Sakemi

新的DSTD方法实现了连续时间SNN的可扩展训练

研究人员开发了一种名为可微分脉冲时间离散化（DSTD）的新方法，以实现更高效的连续时间脉冲神经网络（SNN）训练。该方法通过用固定时间间隔近似连续时间动力学，而不是依赖于输入相关的计算，显著降低了内存消耗和训练时间。DSTD框架结合时间正则化技术，允许在标准硬件上训练更深的SNN，并在CIFAR-10和Fashion-MNIST等数据集上成功应用于卷积SNN。