1. 开发了一种新的SNN架构和转换算法,以减少转换误差。
2. 提出了一种新的战略管道,通过阈值平衡和软复位机制将权重传送到目标SNN。
3. 在SNN模拟时间上几乎不会有准确度损失,且只需要1/10的典型SNN模拟时间。
这篇文章是由Shi Gu在2021年2月28日发表在arXiv上的,它主要讨论了如何将常规人工神经网络转化为尖峰神经网络。作者开发了一个新的SNN架构和转换算法来减少转化误差,并提出了一个新的战略流水线来将权重传送到目标SNN。
这项工作是由一名单独作者完成的,因此存在一定的偏见性。此外,文章中也未考虑其他影响因子对SNNs性能影响的影响;例如,神经元之间存在异步性、不同神经元之间存在不同功能、不同神经元之间存在不同连接方式、以及神