激活特征传播：脉冲神经网络的一时程策略
计算机视觉与模式识别
2026-02-05 v3 机器学习
摘要
脉冲神经网络（SNN）因其事件驱动和参数高效特性，在实时多传感器感知任务中展现出巨大潜力。关键挑战在于对神经元隐藏状态（膜电位）进行时序更新，这使得准确性与延迟之间的权衡变得复杂。SNN 倾向于在更长的时序下获得更佳性能，必然导致计算开销和延迟高于人工神经网络（ANN）。此外，许多最新进展依赖于特定于体系结构的优化，虽然在减少时序方面有效，却限制了其在不同模态和模型之间的通用性和可扩展性。为此，我们提出了激活特征膜电位传播机制（AMP2），这是一种用于 SNN 的统一隐藏状态更新机制。灵感来自生物神经元中膜电位的空间传播，AMP2 使膜电位能在空间相邻的神经元之间进行动态传输，促进隐藏状态的时空集成和协作动力学，从而在减少依赖长时间更新的同时提高效率和准确性。这种简单而有效的策略显著提升了 SNN 在包括用于点云和事件数据的最近几种架构（如 MLP 和 CNN）上的性能。进一步地，融合 AMP2 于基于 Transformer 的 SNN 分类任务的消融研究表明，其作为通用且高效的脉冲神经网络解决方案具有潜力。
引用
@article{arxiv.2502.12791,
title = {Activation-wise Propagation: A One-Timestep Strategy for Spiking Neural Networks},
author = {Jian Song and Xiangfei Yang and Shangke Lyu and Donglin Wang},
journal= {arXiv preprint arXiv:2502.12791},
year = {2026}
}
备注
10 pages, 7 figures, AAAI26