但是在以 SNN 主导的评价指标和任务中,SNN 的表现会更好。2 脉冲神经网络原理 如下图1所示是ANN 和 SNN 的单个基本神经元。 图1:ANN 和 SNN 的基本神经元 (a) 图是典型的单个 ANN 神经元,ANN 的计算方法是: y=\phi (b+\sum_j x_jw_j)\tag{1} 式中, \phi(\cdot) 是非线性的激活函数。
简而言之,通过上述努力,SNN 在视觉识别任务中的应用精度逐渐接近 ANN。 由于SNN 缺乏专门的benchmark,许多工作直接使用 ANN 的 benchmark 来验证 SNN 模型。例如,用于 ANN 验证的图像数据集被简单地转换为 Spike 版本,用于 SNN 训练和测试。 此外,网络的准确性仍然是主要的评估指标,但众所周知,我们的大脑在绝对...