AR-LIF：用于脉冲神经网络的自适应重置泄漏积分激发神经元
神经与进化计算
2026-01-26 v3 人工智能
计算机视觉与模式识别
摘要
脉冲神经网络因其事件驱动特性而具有低能耗。除了二元脉冲输出外，其内在的浮点动力学值得更多关注。神经元阈值水平和重置模式关键地决定了脉冲计数和时序。硬重置会导致信息丢失，而软重置则对神经元施加统一处理。为了解决这些问题，我们设计了一种自适应重置神经元，它在输入、输出和重置之间建立关系，同时整合了一种简单而有效的阈值调整策略。实验结果表明，我们的方法在保持较低能耗的同时实现了优异的性能。特别是，它在Tiny-ImageNet和CIFAR10-DVS上达到了最先进的准确率。代码可在https://github.com/2ephyrus/AR-LIF获取。
引用
@article{arxiv.2507.20746,
title = {AR-LIF: Adaptive reset leaky integrate-and-fire neuron for spiking neural networks},
author = {Zeyu Huang and Wei Meng and Quan Liu and Kun Chen and Li Ma},
journal= {arXiv preprint arXiv:2507.20746},
year = {2026}
}
备注
Accepted by ICASSP 2026