Burst Spiking Neural Network

深度分析

BuSNN：透過多脈衝神經元與動態權重提升 SNN 的準確率與抗擾能力

隨著脈衝神經網路（SNN）在視覺任務上逼近人工神經網路（ANN）的表現，研究聚焦於提升其在輸入擾動下的穩定性。本文提出結合爆發式脈衝神經元（BSN）與動態權重約束（DWC）的BuSNN，藉由多脈衝發放與權重自適應懲罰降低激活與權重變化。實驗顯示在CIFAR-10與ImageNet上，BuSNN分別提升3.18%與2.66%的top‑1準確率與魯棒性，且能以低於ANN四倍的能耗運作。