自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

for_none的博客

博客等级

码龄5年

31
原创

33
点赞

121
收藏

29
粉丝

关注

私信

热门文章

分类专栏

最新评论

Optimal ANN-SNN Conversion for High-accuracy and Ultra-low-latency Spiking Neural Networks 阅读总结
weixin_53698681: 请教一下博主，为啥v∈[0,θ]的时候，不均匀误差为什么会退化为量化误差
Optimal ANN-SNN Conversion for High-accuracy and Ultra-low-latency Spiking Neural Networks 阅读总结
for-nothing: 可以理解成，在转换里面，要模拟relu函数，所以输入和输出要一样。重置减少一个theta，发生脉冲也是一个theta。
Optimal ANN-SNN Conversion for High-accuracy and Ultra-low-latency Spiking Neural Networks 阅读总结
weixin_44161478: 博主您好，我和其他两位也有相同的困惑：即式子$x^l(t)=s^l(t)*\theta$是怎么来的，Gu的那篇文章说的是对突触后电位的期望就是$s^l(t)*\theta$，但是也没给推导过程。我目前的认知是，这个式子虽然不是标准的SNN，但是它仍然可以实现低功耗，且效果更好，所以我接受它
OPTIMAL CONVERSION OF CONVENTIONAL ARTIFICIAL NEURAL NETWORKS TO SPIKING NEURAL NETWORKS 阅读总结
南风烟絮: 为什么 “由于当 Vth比ANN的最大激活值来的大的时候，剩余的 v l ( t )小于 Vth Vth不会对输出造成影响”，这个因果关系是怎么体现的？
Optimal ANN-SNN Conversion for High-accuracy and Ultra-low-latency Spiking Neural Networks 阅读总结
for-nothing: 本质是一样的呀，都是01脉冲乘上一个常数，只不过这个常数是写成一个整体还是写成一个阈值乘上另一个常数罢了

Neuronal Dynamics

关注

文章平均质量分 63

关注数：文章数：13 文章阅读量：6104 文章收藏量：20

作者: for-nothing

这个作者很懒，什么都没留下…

展开

专栏收录文章