spiking neural networks | BriefGPT

关键词spiking neural networks

搜索结果 - 349

考虑基于事件的汽车数据的脉冲神经网络参数影响研究方法
自动驾驶系统是人类移动和交通的未来，本研究通过研究和分析事件驱动的汽车数据，提出了一种系统研究和改进脉冲神经网络 (SNN) 模型的方法，以在高准确性和低功耗 / 能耗的情况下实现自动驾驶系统的开发。
PDF3 months ago
连续脉冲图神经网络
连续脉冲图神经网络（COS-GNN）是一个统一框架，将脉冲神经网络与连续图神经网络相结合，利用高阶结构和脉冲表示进行连续传播，以增强信息保留并捕捉节点之间的长程依赖。实验结果表明，COS-GNN 在图学习任务中比竞争对手具有更好的效果。
PDF3 months ago
通过核尺寸缩放提高嵌入式脉冲神经网络的准确性的方法论
提出一种通过核尺寸缩放改善脉冲神经网络（SNNs）准确性的新方法，实现了比现有技术更高的准确性（对于 CIFAR10 为 93.24%，对于 CIFAR100 为 70.84%），同时具有小于 10M 参数和多达 3.45 倍的搜索时间加速
PDF3 months ago
SpikeMba：多模态脉冲显著性蛇为时态视频定位
通过融合脉冲神经网络和状态空间模型，引入一种新颖的多模态脉冲显著性 Mamba 模型，用于有效地捕捉多模态特征之间的细粒度关系，在视频序列的深层语境理解和准确定位显著性建议中取得了显著的效果。
PDF3 months ago
SpikingJET：增强全连接和卷积脉冲神经网络的故障注入
通过对关键组件施加错误和注入故障，本文介绍了一种专为全连接和卷积脉冲神经网络设计的新型故障注入器 SpikingJET。通过对各种脉冲神经网络架构进行广泛的软件级实验，该论文展示了 SpikingJET 的有效性，并揭示了脉冲神经网络对硬件
PDF3 months ago
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
脉冲神经膜系统学习模型和脉冲神经网络的调查
脉冲神经网络（SNN）是一种受生物启发的神经网络模型，通过脉冲和脉冲列进行神经元之间的通信，与标准人工神经网络（ANN）不同。本文首先对比了 SNN 和脉冲神经 P 系统（SNPS）的结构、功能、优点和缺点，然后综述了 SNN 和 SNPS
PDF3 months ago
使用注意力驱动的脉冲神经网络增强图表示学习
本文提出了一个将注意机制与脉冲神经网络 (SNN) 相结合的新方法，以改进图表示学习的能力。该方法能够在学习过程中选择性地关注图中重要的节点和相应的特征，并在多个基准数据集上进行评估，结果显示其性能与现有的图学习技术相当。
PDF3 months ago
理解脉冲神经网络中建模组件的功能角色
通过设计和评估经典模型的几个变体，系统地研究了渗漏，重置和循环等关键模式组件在漏电集成火模型的 SNNs 中的功能角色。通过广泛的实验，我们展示了这些组件如何影响 SNNs 的准确性，泛化性能和鲁棒性。通过这些有趣的观察结果，我们提供了增强
PDF3 months ago
人工神经微电路作为构建基块：概念与挑战
人工神经网络 (ANNs) 是最广泛应用的生物启发计算形式之一。该论文探索了新的方法，通过借鉴生物学中神经微电路的作用，使用人工神经微电路 (ANMs) 来组装大型神经网络，以期成为现成的组件。论文展示了采用新颖性搜索方法生成此类微电路目录
PDF3 months ago
CVPRSFOD：融合脉冲的目标检测器
本文提出了 Spiking Fusion Object Detector (SFOD)，基于 SNN 的目标检测方法，在事件相机中实现了多尺度特征图的融合，并通过预训练、分析和实验研究了编码策略和损失函数对模型性能的影响，在 NCAR 数据
PDF3 months ago
SpikeGraphormer：具有脉冲图注意力的高性能图 Transformer
我们提出了将 SNNs 与 Graph Transformers 相结合的新颖观点，并设计了一个 Spiking Graph Attention (SGA) 模块，通过稀疏加法和掩码操作取代矩阵乘法。我们的 Spiking Graph At
PDF4 months ago
CVPRSpikingResformer: 在脉冲神经网络中连接 ResNet 和 Vision Transformer
提出了一种名为 Dual Spike Self-Attention (DSSA) 的新型脉冲自注意机制以及相应的 Spiking Neural Networks 架构，命名为 SpikingResformer，通过将 ResNet-base
PDF4 months ago
EAS-SNN: 基于递归脉冲神经网络的端到端自适应采样和表征用于事件检测
基于事件相机和脉冲神经网络的自适应采样模块实现了在动态范围和时间分辨率高、光照条件恶劣的场景下的物体检测的全新学习框架，并通过在神经形态学数据集上的测试表明其在参数数量和时间步数方面具有更优异的性能。
PDF4 months ago
复发射神经网络的异质学习动力学的拓扑表示
该论文介绍了一种使用 RTD（Representation Topology Divergence）比较 Recurrent SNN 模型之间分布式表示差异的新方法，探究了使用 STDP 训练的 RSNN 的学习能力以及异质性在突触动力学学
PDF4 months ago
使用基于事件相机的神经形态硬件设备的脉冲神经网络进行快速运动目标检测
使用事件驱动摄像头与脉冲神经网络相结合的新颖解决方案，实现了乒乓球的精确检测。通过比较不同脉冲神经网络框架和相应神经形态边缘设备的精确性和运行时间，为机器人研究人员提供了一个基准，并证明神经形态边缘设备上的脉冲神经网络能够实时运行在乒乓球机
PDF4 months ago
基于空间和时间注意力的混合 SNN-ANN 网络用于基于事件的物体检测
我们介绍了一种基于事件相机的混合注意力脉冲神经网络 — 人工神经网络（Hybrid Attention-based SNN-ANN）骨干架构，用于目标检测。通过引入新颖的基于注意力的 SNN-ANN 桥接模块，我们能够从 SNN 层捕捉稀疏
PDF4 months ago
SiGNN: 动态图表示学习的基于脉冲激发的图神经网络
通过融合 SNN 和 GNN 并应用新颖的 Temporal Activation 机制，该研究提出了一种名为 SiGNN 的框架，用于在动态图上学习增强的时空表示，通过在多个时间粒度上深入分析动态图中的演化模式实现多尺度时空节点表示。实验
PDF4 months ago
噪声的尖峰演员网络探索
通过引入时序相关的噪音，我们提出了一种噪声尖峰神经体执行者网络（NoisySAN）来解决深度强化学习中的探索问题，并提出了一种噪音减少方法，以找到智能体的稳定策略。大量实验结果表明，我们的方法在 OpenAI gym 的各种连续控制任务中表
PDF4 months ago
基于事件驱动的脉冲神经网络学习
通过两种新型事件驱动学习方法（STD-ED 和 MPD-ED），本研究在静态和神经形态数据集上进行了广泛评估，证实它们在 CIFAR-100 数据集上分别超过现有事件驱动算法 2.51% 和 6.79%。此外，本研究理论上和实验上验证了这些
PDF4 months ago