ann-snn conversion | BriefGPT

关键词ann-snn conversion

搜索结果 - 7

FTBC：用于优化 ANN-SNN 转换的前向时间偏差校正
通过引入轻量级的 Forward Temporal Bias Correction (FTBC) 技术，我们提出了一种改善 ANN-SNN 转换准确性的方法，通过适当的时间偏差校准，使得在每个时间步长后 ANN-SNN 转换的预期误差减少为
PDF3 months ago
ICLR通过校准偏移电位来弥合 ANN 和 SNN 之间的差距
在所述文献中，我们提出了一种基于偏移尖峰的 ANN-SNN 转换优化策略，该策略使用初始膜电位的移动来计算尖峰偏移，并可以进一步减少转换误差。实验结果表明，该方法在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上取得了
PDFa year ago
用混合脉冲神经网络微调进行海马分割
本文提出了一种基于 ANN-SNN 转换和基于脉冲的反向传播的混合 SNN 训练方案，并将其应用于磁共振图像中人类海马的分割。与转换和直接训练方案相比，我们的方法在分割准确度和训练效率方面具有优势。实验证明了我们模型的有效性。
PDFa year ago
AAAI通过剩余膜电位减少 ANN-SNN 转换误差
本文提出了一种基于剩余膜电位的优化策略，旨在降低脉冲到达时间序列下 SNNs 中不平衡误差，从而达到与 ANNs 等效水平的性能，实验结果表明该策略在复杂数据集 ImageNet 上取得了最先进的性能，例如在 10 步之内达到了 64.32
PDFa year ago
双相优化下实现超低延迟无损 ANN-SNN 转换
本论文提出一种双相转换算法，通过减少量化误差、裁剪误差和残余膜电势表示误差来提高深度脉冲神经网络（SNN）的准确性，并在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上表现出与人工神经网络（ANNs）相当的准确性和更低
PDF2 years ago
IJCAI深度脉冲神经网络中快速且准确的 ANN-SNN 转换
本文分析了 ANN-SNN 转换的理论，并提出了使用速率规范层替换源 ANN 训练中的 ReLU 激活函数以实现直接转换的方法。我们还提出了一种最优拟合曲线来量化源 ANN 的激活值与目标 SNN 实际发射率之间的匹配度，并通过优化上述拟合
PDF3 years ago
CVPRRMP-SNN：残余膜电位神经元实现更深、更高准确度和更低延迟的脉冲神经网络
使用 Residual Membrane Potential (RMP) 神经元的 ANN-SNN 转换可在多个数据集和网络结构上实现近乎零损失的图像识别和推理，且优于使用硬复位尖峰神经元的 SNN 推理精度。
PDF4 years ago