- 博客(5)
- 收藏
- 关注
RSS订阅原创 脉冲神经网络-Spiking Deep Convolutional Neural Network for Energy-Efficient Object Recognition
这篇论文是发表于2014年的一篇ANN-SNN的论文，也是非常早期的将ANN转为SNN的论文。本篇论文介绍了一种将深度卷积神经网络（CNN）转化为脉冲神经网络（SNN）的方法，以实现超低功耗的目标识别。通过调整CNN的架构以适应SNN的要求，并将学习到的网络权重应用于SNN架构，研究人员成功地实现了与原始CNN相似的目标识别准确率。
2024-02-20 11:51:43
1073
原创 Python~制作一个表白一定成功的界面
这篇博客是一个使用 Python 的 Tkinter 模块创建一个简单界面的示例，该界面用于进行表白的情景，表白一定成功喔！
2024-02-19 14:41:22
919
1
原创 一文通俗入门·脉冲神经网络·第三代神经网络
ANN经历了几代进化，从感知机到基于联结主义的多层神经网络，再到以卷积神经网络为基础的深度学习方案。虽然取得了显著进步，但深度神经网络仍面临着诸多挑战，如功耗效率、安全性、可解释性和在线学习能力等。相比之下，脉冲神经网络（Spiking Neural Network，SNN）在类脑计算研究中占据核心地位，被认为是新一代的神经网络。SNN以脉冲神经元为计算单元，模仿人类大脑的信息编码和处理过程。它采用离散事件（脉冲）对数据进行编码处理，相比ANN，能耗显著降低，计算能力更加突出。
2024-02-19 08:30:00
1383
原创 Sora的功能，目前能否使用Sora？
2月16日，OpenAI 发布的首个文本生成视频模型 Sora 引爆了社区，其生成的长达 1 分钟的高清、流畅视频令人们惊叹不已。Sora目前有哪些功能？普通人如何使用Sora？
2024-02-18 11:08:13
2119
原创 脉冲神经网络-Resource Constrained Model Compression via Minimax Optimization for Spiking Neural Networks
脑启发的脉冲神经网络（Spiking Neural Network, SNN）具有事件驱动和高能效的特点，这与传统的人工神经网络（ANN）在神经形态芯片等边缘设备上部署不同。以往的工作集中在SNN的训练策略，以提高模型性能，带来更大、更深的网络架构。但是这很难直接在资源有限的边缘设备上部署这些复杂的网络。为了满足这种需求，人们通过压缩SNN，以平衡性能和计算效率。现有的压缩方法要么使用权值范数大小迭代简直SNN，要么将问题表述为稀疏学习优化。本文使用极小极大化方法对SNN进行训练压缩。
2024-02-17 23:20:17
885
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人