10:07官方一手pandaily@contact@pandaily.com (Pandaily)Mineng Technology 宣布完成数千万元 A 轮融资,资金将用于其自研的 SNN 类脑芯片的研发与商业化。该芯片基于脉冲神经网络(SNN)和神经形态计算,在医疗设备 AI 推理场景下功耗仅为传统 GPU 的千分之一。公司称其可为实时诊断提供类脑算力,降低边缘医疗设备的能耗和延迟。行业Mineng TechnologySNN类脑芯片推荐理由:一家中国公司做出了功耗只有传统 GPU 千分之一的类脑芯片,专为医疗设备实时诊断设计,融资后继续打磨产品。原文稍后读已读值得跟进有用关注 Mineng Technology
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DendriCLSNN上下文学习推荐理由: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。原文稍后读已读值得跟进有用关注 DendriCL
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。原文稍后读已读值得跟进有用关注 SNN