BriefGPT - AI 论文速递
·
从集成学习的角度重新思考脉冲神经网络
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究将脉冲神经网络视为共享架构和权重的时间子网络集，从而增强了稳定性并解决了时间梯度消失问题。在CIFAR10-DVS数据集上，模型准确率达到83.20%。
🎯
关键要点
- 本研究解决了脉冲神经网络(SNN)性能限制的问题。
- 提出将脉冲神经网络视为共享架构和权重的时间子网络集。
- 通过改变膜电位的初始分布和输出，增强了子网络的稳定性。
- 膜电位平滑方法解决了时间梯度消失问题。
- 在多个识别任务中表现出一致的性能提升。
- 在CIFAR10-DVS数据集上达到了83.20%的准确率。
➡️
