跳到正文
热点事件持续更新

Ayaan Qayyum等结合K-FAC优化提升SNN精度

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Ayaan Qayyum等研究人员结合生物启发的尖峰编码与Rouser自适应阈值代理梯度、K-FAC二阶优化,提出了新的脉冲神经网络(SNNs)训练方法。 2026年9月2日,该研究在arXiv的机器学习领域正式提交。实验显示,在MNIST和Fashion-MNIST数据集上,DoG和Delta编码相比速率编码能产生更稀疏的脉冲序列,优化方法提升了网络的整体精度表现。 针对Fashion-MNIST数据集,Rouser方法的应用将模型精度从87.37%提升至88.13%。该研究证明了结合特定尖峰编码方案与二阶优化策略,能有效改善SNNs的收敛性能与最终识别准确率。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · ML
    生物启发的脉冲编码与优化在脉冲神经网络中的应用

    结合生物启发的脉冲编码方案与 Rouser 自适应阈值代理梯度、K-FAC 二阶优化,提升了脉冲神经网络(SNNs)的精度。 在 MNIST 和 Fashion-MNIST 实验中,DoG 和 Delta 编码比速率编码产生更稀疏的脉冲序列;Rouser 方法将 Fashion-MNIST 精度从 87.37% 提升至 88.13%。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。