Temporal Dynamics Based on the Izhikevich Model for Enhancing Privacy, Efficiency, and Transferability in Spiking Neural Networks
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了两种概率驱动的时间脉冲变换方法，以解决脉冲神经网络中传统神经元建模的复杂性。这些方法在增强隐私性和学习性能的同时，保持了可扩展性。实验结果表明，这些时间动态提高了脉冲神经系统的生物合理性和泛化能力。
🏷️
