DA-LIF：面向深度脉冲神经网络的双适应漏积发放模型
神经与进化计算
2025-02-18 v1 人工智能
摘要
脉冲神经网络（SNN）因其高效处理时空信息、生物学可行性、低能耗以及与神经器件硬件的兼容性而受到青睐。然而，常用的漏积发放（LIF）模型忽略了神经元的异质性，且独立处理空间和时间信息，限制了SNN的表达能力。本文提出双适应漏积发放模型（DA-LIF），引入具有独立可学习衰减系数的空间调谐与时间调谐。在静态数据集（CIFAR10/100、ImageNet）和神经器件数据集（CIFAR10-DVS、DVS128 Gesture）上的评估表明，DA-LIF在更少的时间步数下实现了更高准确率。重要的是，DA-LIF仅需极少的额外参数，维持低能耗水平。大量消融实验进一步凸显了DA-LIF模型的鲁健性与有效性。
引用
@article{arxiv.2502.10422,
title = {DA-LIF: Dual Adaptive Leaky Integrate-and-Fire Model for Deep Spiking Neural Networks},
author = {Tianqing Zhang and Kairong Yu and Jian Zhang and Hongwei Wang},
journal= {arXiv preprint arXiv:2502.10422},
year = {2025}
}
备注
Accepted by ICASSP 2025