BriefGPT - AI 论文速递
·
改进连续多标签学习中的不平衡鲁棒性：双输出尖峰计算机架构 (DOSA)
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种动态结构发展的脉冲神经网络模型，通过动态分配和增长神经元，提高内存容量，减少计算开销，实现高效自适应的连续学习。模型在多类增量学习和任务增量学习方面验证了其有效性，性能优于现有方法。
🎯
关键要点
- 提出了一种动态结构发展的脉冲神经网络模型 (DSD-SNN)。
- 模型通过动态分配和增长神经元，提高内存容量，减少计算开销。
- 实现高效自适应的连续学习。
- 在多类增量学习和任务增量学习方面验证了模型的有效性。
- 模型显著提升性能、学习速度和内存容量。
- 与基于深度神经网络的方法性能可比较，明显优于基于脉冲神经网络的现有方法。
➡️
