SNN 相关 AI 资讯 · AI 热点

7月3日

09:22

09:22

官方账号arXiv cs.LG@Juwei Shen, Yujie Wu, Changwen Chen

现有脉冲神经网络（SNN）在Garg-2022上下文学习基准上无法应对非平凡任务维度。DendriCL通过将单个树突区室作为计算基质，其顶端递归结构与leaky online Widrow-Hoff LMS在动力学上等价。该单层架构在超维Garg-2022任务上保持种子稳定性，而密集Transformer出现grokking式不稳定并失败。线性探针从顶端膜电位直接恢复参考online-LMS轨迹，R²达0.93，表明算法内嵌于动力学而非训练隐式发现。

论文 DendriCL SNN 上下文学习 Garg-2022 在线学习

推荐理由：这篇论文证明了单层脉冲神经网络就能实现上下文学习，比Transformer更稳定，在Garg-2022基准上表现亮眼。

6月18日

09:59

09:59

官方账号arXiv cs.LG@Taharim Rahman Anon, Jakaria Islam Emon

提出可学习的残差语音到脉冲编码器，与Recurrent Leaky Integrate-and-Fire (R-LIF)骨干联合训练。在Google Speech Commands v2 (GSC-v2)基准上达到94.97%准确率。35k参数的紧凑变体达到89.8%，匹配或超越参数多一个数量级的基线。编码器学习任务对齐的脉冲表示，提升类别可分性。Direct Feedback Alignment (DFA)在相同设置下达到91.5%，量化了生物启发学习规则的性能权衡。

论文 SNN 脉冲神经网络语音编码 GSC-v2 DFA

推荐理由：这篇论文给脉冲神经网络设计了个自适应语音编码器，参数少还能在GSC-v2上跑到94.97%，比很多大模型都强，还比较了两种训练方式。