BriefGPT - AI 论文速递
·
使用动态时间步长的脉冲神经网络用于视觉变换器
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该方法使用阈值相关批归一化和空间时间反向传播，直接训练深度脉冲神经网络，并在神经形态硬件上实现推理。在CIFAR-10、DVS-CIFAR10和ImageNet上的准确率分别达到93.15%、67.8%和67.05%，是首次在ImageNet上实现高性能的直接训练深度脉冲神经网络。
🎯
关键要点
-
提出了一种基于阈值相关批归一化（tdBN）和空间时间反向传播（STBP）的方法。
-
该方法可直接训练深度脉冲神经网络（SNN）。
-
在神经形态硬件上实现了推理。
-
CIFAR-10上的准确率达到93.15%。
-
DVS-CIFAR10上的准确率达到67.8%。
-
ImageNet上的准确率达到67.05%。
-
首次在ImageNet上实现高性能的直接训练深度脉冲神经网络。
🏷️
标签
➡️
