ann-to-snn conversion | BriefGPT

关键词ann-to-snn conversion

搜索结果 - 8

ICML基于梯度下降的神经元动力学：超越 ReLU 网络的 ANN 到 SNN 转换
离散动力学的一个新的优化理论视角证明了一个基本的集成和发射模型的离散动力系统能够近似于无约束优化问题的次梯度方法，这一理论的实际扩展引入了一种基于符号梯度下降的神经元动力学，可以近似于 ReLU 之外的多种非线性并提高 ANN 到 SNN
PDF5 days ago
SpikeZIP-TF：基于 Transformer 的 SNN 所需的转换
SpikeZIP-TF 是一种新的 ANN-to-SNN 转换方法，其 ANN 和 SNN 之间的等效性不会导致准确率降低，在 CV 和 NLP 任务上分别获得了 83.82% 和 93.79% 的准确率，优于目前最先进的基于 Transf
PDFa month ago
一脉冲 SNN：基于相位编码和基底操作的 ANN 到 SNN 转换损失最小化
本研究提出了一种单脉冲相位编码方案，用于将预训练人工神经网络（ANN）转换为脉冲神经网络（SNN），从而实现较高的精确度和能效。
PDF5 months ago
生物启发计算与深度学习的相遇：从人工神经网络到低延迟、准确、高能效的脉冲神经网络
通过修改 SNN 整合 - 发射神经元模型和在训练 ANN 过程中使用细粒度 L1 正则化和替代梯度等方法，我们提出了一种新的 ANN 转 SNN 框架，可以以极低的时间步和高级稀疏性实现无损 SNN，低延迟，低计算能耗和高测试准确性（例如
PDF7 months ago
脉冲神经网络中的噪声适应器
本研究介绍了一种名为 “噪声适应器” 的新技术，该技术可以在高仿真时间下隐式地优化低延迟脉冲神经网络的准确性，通过对 ResNet 模型的全面分析，在 CIFAR-10 上使用 ResNet-18 实现了 95.95％的准确性，并在 Ima
PDF7 months ago
通过转化实现对抗性鲁棒性的尖峰神经网络
我们提出了一种通过 ANN-to-SNN 转换算法实现对深度 SNN 的鲁棒性训练的方法，该方法在后转换的鲁棒微调阶段，通过对 SNN 的层内发射阈值和突触连接权重进行敌对优化，以保持从预训练 ANN 传递的鲁棒性增益，实现了扩展性的鲁棒
PDF8 months ago
深度 SNN 中最大池化操作的脉冲逼近
本文介绍了两种硬件友好的方法来在深度脉冲神经网络中实现 Max-Pooling，并在 Intel 的 Loihi 神经形态硬件上执行 SNNs，证明了我们的方法的可行性。
PDF2 years ago
AAAI低延迟脉冲神经网络的优化电位初始化
通过优化初始膜电位实现高精度 ANN-to-SNN 转换，使得 SNN 在低延迟下达到了与最优性能相当的准确率，并在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上取得了最新的结果。
PDF2 years ago