spiking neural networks | BriefGPT

关键词spiking neural networks

搜索结果 - 347

用于文本分类的脉冲卷积神经网络
本研究介绍了一种用于文本分类的 “转换 + 微调” 两步方法，提出了一种将预训练词嵌入编码为脉冲训练的简单而有效的方式，并经验证通过使用替代梯度进行微调后，这些转换后的脉冲神经网络在英文和中文数据集上能够以更少的能量消耗与深度神经网络有可比
PDF5 days ago
降低活动性的蒸馏和正则化方法用于能源高效的脉冲神经网络
利用知识蒸馏和梯度下降进行训练可以优化脉冲神经网络的性能和脉冲活动之间的平衡，同时激活正则化和逻辑回归方法可以减少网络的脉冲活动。
PDF6 days ago
EON-1：一种用于近传感器极端边缘在线特征提取的脑启发处理器
在边缘人工智能应用中，使用脉冲神经网络（SNNs）进行设备上的在线学习和自适应，以实现对不断变化的环境中产生的传感器数据的快速处理。我们提出了一种脉冲神经网络的脑启发式处理器 EON-1，用于在近传感器极端边缘在线特征提取，该处理器集成了快
PDF7 days ago
基于脉冲神经网络的嵌入式事件驱动目标检测
利用 SPLEAT 加速器的嵌入式神经形态测试台成功地在可嵌入设备上训练、评估、量化和部署了脉冲神经网络，通过加载最新的神经网络解决方案，估计了在专门设计的低功耗脉冲神经网络硬件上部署网络所带来的性能损失，并在神经形态硬件上实现了真实世界的
PDF7 days ago
IJCAISVFormer：一种直接训练的脉冲转换器用于高效的视频动作识别
我们研究了利用脉冲神经网络的直接训练的 SVFormer（Spiking Video transFormer）进行视频动作识别，通过整合局部特征提取、全局自注意力和 SNN 的内在动态、稀疏性和脉冲驱动特性，以更高效和有效的方式提取时空特征
PDF11 days ago
EvSegSNN: 事件数据的神经形态语义分割
通过将脉冲神经网络与事件摄像头相结合，我们设计了一种生物可行的编码器 - 解码器 U 型架构的语义分割方法，旨在在性能与资源使用之间进行权衡。实验证明 EvSegSNN 在 MIoU 方面优于最接近的最新模型，同时参数数量减少了 1.6 倍
PDF12 days ago
全局 - 局部卷积与脉冲神经网络在能效关键词检测中的应用
通过利用脉冲神经网络的能效优势，我们提出了一种端到端轻量级的关键词识别模型，其中包括全局 - 局部脉冲卷积模块和瓶颈 - 脉冲增强模块，通过精心设计的特征提取方法，实现了更稀疏、更能源高效且性能更好的语音特征提取，进一步通过瓶颈 - 脉冲增
PDF13 days ago
Q-SNNs: 量化尖峰神经网络
我们介绍了一种轻量级和硬件友好的量化 SNN（Q-SNN），该方法对突触权重和膜电位进行量化，显著减少内存使用和计算复杂性，提出了一种受信息熵理论启发的新的权重 - 脉冲双重调节（WS-DR）方法，实验证明我们的 Q-SNN 在模型大小和准
PDF13 days ago
ED-sKWS: 早期决策脉冲神经网络的快速、能效高的关键词检测
该研究介绍了一种基于脉冲神经网络的关键词检测模型 ED-sKWS，该模型引入了一种早期决策机制，能够在语音结束前停止语音处理并输出结果。此外，该研究还引入了一种累积时间损失 CT，可提高预测精度。实验证明，相比没有早期决策机制的脉冲神经网络
PDF18 days ago
IJCAI具有卷积和脉冲神经网络的异构联邦学习
通过比较不同的数据聚合方法，本文对包含传统人工神经网络（ANNs）和脉冲神经网络（SNNs）的联邦学习系统进行了评估，实验结果表明 CNN-SNN 融合框架在 MNIST 数据集上表现最好，并发现了多模型联邦学习收敛过程中的竞争抑制现象。
PDF18 days ago
基于时空一致性的自蒸馏学习用于脉冲神经网络
脉冲神经网络 (SNNs) 通过事件驱动、低功耗特性和高生物解释性而引起了广泛关注。本文通过知识蒸馏 (KD) 提高了预训练教师模型的 SNN 模型性能，同时探索了一种经济高效的自我蒸馏学习方法，即时间 - 空间自我蒸馏 (TSSD) 学习
PDF20 days ago
NeuroMoCo：一种用于脉冲神经网络的神经形态动量对比学习方法
本文介绍了一种名为神经形态的动力对比学习（NeuroMoCo）的方法，该方法通过自监督预训练的方式有效激发了脉冲神经网络的潜力，并使用适用于时间特征的 MixInfoNCE 损失函数进一步提高了神经形态数据集的分类准确性，实验证明其在 DV
PDF22 days ago
CADE: 余弦退火差分进化用于尖峰神经网络
通过引入余弦退火差分进化（CADE）方法，本论文尝试解决脉冲神经网络（SNNs）优化的挑战，通过调整差分进化（DE）的变异因子和交叉率来获得更好的收敛和准确性。使用基于迁移学习的初始化方法对 SNN 进行改进，进一步提高了 CADE 的性能
PDFa month ago
基于脉冲活动修剪的高效深度脉冲神经网络构建
基于脉冲神经网络（SNN）的结构稀疏化，提出了一种基于卷积核活动水平的结构删减方法，通过动态调整网络结构使其更适应当前目标任务，提高模型的适应性、降低计算负载和加速推理过程。
PDFa month ago
脉冲耦合神经网络在计算机视觉和图像处理中的应用综述
该论文回顾了受哺乳动物视觉皮层启发的神经模型研究，重点介绍了脉冲耦合神经网络（PCNN）的数学形式、变体和文献中的其他简化方法，并提出了在图像处理和计算机视觉领域的多个应用，包括图像分割、边缘检测、医学成像、图像融合、图像压缩、物体识别和遥
PDFa month ago
自适应突触电路增强尖峰神经网络的时空预测学习
本文提出了一种新的时空电路（STC）模型，通过集成两个可学习的自适应路径来增强尖峰神经元的时间记忆和空间协调能力，从而解决现有 SNN 模型在处理复杂、动态的时空预测任务中缺乏长期时序依赖性建模和空间信息交互能力的问题。通过在多个时空预测数
PDFa month ago
恶劣天气条件下行人意图预测：脉冲神经网络和动态视觉传感器
利用脉冲神经网络（SNNs）与动态视觉传感器（DVS）相结合，提高自动驾驶车辆在恶劣天气条件下对行人的检测效果，验证了 SNNs 相对于传统卷积神经网络（CNNs）在雷雨等复杂情况下具有更高的精度和计算效率，并为智能交通系统的安全功能在不同
PDFa month ago
灵活高效的代理梯度建模与前向梯度注入
本文介绍了一种替代方法，即前向梯度注入（FGI），用于在前向传递过程中将任意梯度形状直接注入计算图，证明了使用 FGI 相对于自定义向后传递方法在 SNNs 中使用 TorchScript 可以显著提高模型性能，并通过在 TorchScri
PDFa month ago
ICML提高 SNNs 中稀疏梯度的对抗鲁棒性
通过梯度稀疏化正则化提高脉冲神经网络 (SNNs) 的鲁棒性，将梯度稀疏性与对抗性扰动之间的差距最小化，改善 SNNs 的整体鲁棒性。
PDFa month ago
ICML带有突触延迟的时间脉冲神经网络用于图形推理
SNNs, when combined with synaptic delay and temporal coding, demonstrate efficient graph reasoning and achieve significa
PDFa month ago