SpikeMatch：基于脉冲神经网络时间动态的半监督学习
计算机视觉与模式识别
2025-09-29 v1
摘要
脉冲神经网络（SNN）因其生物合理性和高能效而近来备受关注，但与人工神经网络（ANN）相比，基于 SNN 的模型的半监督学习（SSL）方法仍鲜有探索。在本文中，我们提出了 SpikeMatch，这是首个面向 SNN 的 SSL 框架，它通过 SNN 的泄漏因子利用时间动态特性，在协同训练框架内实现多样化的伪标签生成。通过利用单个 SNN 多次预测之间的一致性，SpikeMatch 从弱增强的无标注样本中生成可靠的伪标签，用于在强增强样本上进行训练，通过在有限标签下捕捉判别性特征，有效缓解了确认偏差。实验表明，SpikeMatch 在多个标准基准上优于适配于 SNN 主干的现有 SSL 方法。
引用
@article{arxiv.2509.22581,
title = {SpikeMatch: Semi-Supervised Learning with Temporal Dynamics of Spiking Neural Networks},
author = {Jini Yang and Beomseok Oh and Seungryong Kim and Sunok Kim},
journal= {arXiv preprint arXiv:2509.22581},
year = {2025}
}