SpikeMS：モーションセグメンテーションのためのディープスパイキングニューラルネットワーク
スパイキングニューラルネットワーク（SNN）は、生物学的脳の機能により厳密に一致させようとする、いわゆる第3世代のニューラルネットワークです。それらは本質的に時間データをエンコードし、より少ないエネルギー使用量でトレーニングを可能にし、ニューロモルフィックハードウェアでコーディングすると非常にエネルギー効率が高くなります。さらに、SNNのイベントベースの性質に一致するイベントベースのセンサーを含むタスクに最適です。ただし、SNNは、アルゴリズムとトレーニングが複雑なため、標準の人工ニューラルネットワーク（ANN）ほど効果的に実世界の大規模タスクに適用されていません。状況をさらに悪化させるために、入力表現は型にはまらないものであり、注意深い分析と深い理解が必要です。この論文では、イベントベースのDVSカメラを入力として使用するモーションセグメンテーションの現実世界の大規模問題のための最初のデ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2404.17335v1
https://arxiv-check-250201.firebaseapp.com/each/2309.10987v2
https://arxiv-check-250201.firebaseapp.com/each/2309.09297v2
イベントを見通すことを学ぶ
SNN と ANN のダンス: スパイク タイミングと再構成的注意の組み合わせによる結合問題の解決
スパイク時間依存の可塑性と勾配降下法によるスパイキングニューラルネットワークに基づくSAR画像分類
PrivateSNN：プライバシー保護スパイキングニューラルネットワーク