Xdream1-CSDN博客

原创 SNN论文阅读与翻译（2）：优化低延迟尖峰神经网络的潜在初始化

训练深度snn最有效的方法是通过ANN-to-SNN转换，这种方法在深度网络结构和大规模数据集中获得了最好的性能。然而，准确性和延迟之间存在权衡。为了实现与原始人工神经网络的高精度，需要较长的模拟时间将尖峰神经元的放电速率与模拟神经元的激活值相匹配，这阻碍了SNN的实际应用。我们旨在以极低的延迟（少于 32 个时间步长）实现高性能转换 SNN。我们首先从理论上分析 ANN-to-SNN 转换，并表明缩放阈值确实与权重归一化具有相似的作用。我们通过优化初始膜电位。

2024-03-04 21:28:17 982 1

原创 SNN论文阅读笔记（1）：SHUD

脉冲神经网络(SNNs)因其能量效率和受大脑启发的事件驱动特性而受到广泛关注。虽然SpikingYOLO等最近的方法已将SNN扩展到更具挑战性的对象检测任务，但它们往往存在高延迟和低检测精度的问题，使其难以部署在对延迟敏感的移动平台上。从人工神经网络到神经网络的转换方法很难保持神经网络的完整结构，导致特征表示较差，转换误差较大。时间步长压缩和尖峰时间相关集成（STDI）编码。前者通过压缩信息来减少ANN-SNN转换所需的时间步长，而后者设置时变阈值来扩展信息保持能力。

2024-02-29 20:57:53 941

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人