SNN最新文献合集11-01

最新推荐文章于 2025-11-26 15:49:07 发布
原创 最新推荐文章于 2025-11-26 15:49:07 发布 · 929 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

序号英文标题作者及机构中文翻译出处链接
1Multi-Synaptic Firing Neuron for Spatiotemporal Computation in Spiking Neural Networks胡德文（国防科技大学）、李国齐（中国科学院自动化研究所）多突触发放脉冲神经元模型及其时空计算应用Nature Communications 2025链接
2A New Artificial Neuron Mimicking Brain’s Electrochemical Behavior for Energy-Efficient AI美国南加州大学研究团队模仿脑细胞电化学行为的新型人工神经元人民网 2025链接
3Voltage imaging development and investigation of neuromodulation mechanismsFabris, Pierre Francesco（Boston University）电压成像技术发展与神经调制机制研究Doctor of Philosophy 2025链接
4Event-Driven Robot Tactile Recognition Using Spiking Neural Networks于祖坤（贵州大学）面向事件驱动的机器人触觉识别脉冲神经网络方法研究贵州大学 2025链接
5Urban Waterlogging Modeling Based on Intelligent Optimization and Spiking Neural Networks方序鸿（东莞理工学院）基于智能优化与脉冲神经网络的城市内涝模型研究东莞理工学院 2025链接
6Stability and Synchronization of Multi-Weight Complex Networks Driven by Second-Order Moment Processes杨帆（东北林业大学）二阶矩过程驱动下多权重复杂网络的稳定性与同步性东北林业大学 2025链接
7Traffic Flow Allocation and Network Optimization for Urban Multimodal Transportation Systems in Autonomous Driving Environments王婷（北京交通大学）自动驾驶环境下城市多模式复杂交通系统的流量分配与网络优化研究北京交通大学系统科学学院 2025链接
8Brain-Inspired Chaotic Spiking Backpropagation陈洛南（国科大杭州高等研究院）脑启发的混沌脉冲反向传播算法National Science Review 2024链接
9WiFi Gesture Recognition Using Spiking Neural Networks阳雪（西南交通大学）基于脉冲神经网络的WiFi手势识别技术研究西南交通大学 2024链接
10High-Precision Indoor Positioning Algorithm Based on Graph Spiking Neural Networks郭方明（重庆大学）基于图脉冲神经网络的高精度室内定位算法重庆大学 2024链接
11Continuous Authentication and Privacy Protection for Mobile Devices Using Spiking Neural Networks孙新渝（重庆大学）基于脉冲神经网络的移动设备持续认证及其隐私保护研究重庆大学 2024链接
12Neuromorphic Visual Bionics Based on Ion Gel-Regulated Synaptic Transistors石一鸣（中南大学）基于离子凝胶调控突触晶体管的神经形态视觉仿生研究中南大学 2024链接
13Clinical Efficacy and Brain Network Functional Connectivity of stSCS Combined with PRF for PHN张旭（中南大学）stSCS联合PRF治疗PHN的临床疗效和脑网络功能连接研究中南大学 2024链接
14Deep Learning-Based Ground Penetrating Radar Signal Inversion and Applications邓宇（中南大学）基于深度学习的探地雷达信号反演及应用中南大学 2024链接
15Local Competitive Learning Mechanisms in Deep Neural Networks郭清明（中南大学）局部竞争学习机制在深度学习神经网络上的应用研究中南大学 2024链接
16Sound Localization Using P3HT Synaptic Transistors邓忠辉（中南大学）基于P3HT突触晶体管的声音定位研究中南大学 2024链接
17Neuromorphic Devices Based on Gold Cluster/2D MoS2 Van der Waals Heterojunctions黄卓慧（中南大学）基于金团簇/二维硫化钼范德华异质结的神经形态器件研究中南大学 2024链接
18Adversarial Sample Security Algorithms for Spiking Neural Networks林璇威（福州大学）针对脉冲神经网络的对抗样本安全算法研究福州大学 2023链接
19Few-Shot Image Classification Using Reservoir Computing王彬（福州大学）基于储备池计算的小样本图像分类研究福州大学 2023链接
20Artificial Luminescent Synapses Based on Long Persistent Materials and Their Applications卢文杰（福州大学）基于长余辉材料的人工发光突触及其应用研究福州大学 2023链接
21Electret Organic Transistor Neuromorphic Devices and Neural Network Applications俞礽坚（福州大学）驻极体有机晶体管神经形态器件的研制及神经网络应用福州大学 2023链接
22Synaptic Transistors Based on Electric Double Layers: Fabrication and Plasticity Regulation杨倩（福州大学）基于电双层的突触晶体管的制备及其可塑性调控研究福州大学 2023链接
23Tantalum Oxide Neuromorphic Devices and Circuit Applications凌永杰（福州大学）氧化钽神经形态器件的制备及其电路应用研究福州大学 2023链接
24Deep Learning of Representations and Its Application to Computer VisionGoodfellow, Ian（Université de Montréal）表征学习及其在计算机视觉中的应用Ph. D. 2014链接
25Improving Sampling, Optimization and Feature Extraction in Boltzmann MachinesDesjardins, Guillaume（Université de Montréal）玻尔兹曼机的采样、优化与特征提取改进Ph. D. 2013链接
26GIS Partial Discharge Detection and Fault Identification王天健（北京交通大学）GIS局部放电检测与故障识别北京交通大学电气工程学院 2010链接
27Lumbar-Sacral Pedicle Screw Insertion with Preoperative CT-Based NavigationGoulet, Benoit G.（Université de Montréal）基于术前CT导航的腰骶椎弓根螺钉置入术M. Sc. A. 2009链接
28SpikingJelly: A Deep Spiking Neural Network Learning Framework李国齐（中国科学院自动化研究所）、田永鸿（北京大学）深度脉冲神经网络学习框架SpikingJellyScience Advances 2023链接
29Third-Generation Neural Network Models: Spiking Neural Networks for AI Applications程翔（中国科学院自动化所）第三代神经网络模型:面向AI应用的脉冲神经网络澎湃新闻 2024链接
30ANN-SNN Conversion Framework with Hundredfold Reduced Time Steps上海交通大学等机构降低百倍时间步的ANN-SNN转换框架澎湃新闻 2022链接
SNN最新文献合集-1104（会议论文）
Grow into a more wonderful you
11-04 489
2025年多篇研究聚焦脉冲神经网络(SNN)的创新应用与方法优化。研究涉及时域正则化（Hao Yan）、CMOS-忆阻器硬件实现（Md Mahfuzar Rahman）、轻量级架构搜索（Yesmine Abdennadher）及交通流预测模型（Zhiqiang Cao）等多个方向。部分工作探索了生物启发机制，如巴甫洛夫条件反射（Pchelko Vasiliy）和星形胶质细胞抗噪特性（Yuliya Tsybina）。应用场景涵盖物联网安全（Prajwalasimha）、心电图分类（Xinyu Kang）和毒性
脉冲神经网络最新文献合集-1104
Grow into a more wonderful you
11-04 919
本文摘要了8篇前沿研究论文，涵盖电力电子、物联网、神经网络、材料科学等领域创新成果。其中，哈工大团队提出基于FPGA加速的动态连接主义神经网络实现电力电子变换器高保真仿真（1）；法国团队利用突触饱和特性改进物联网唤醒接收器（2）；南航开发的SA-YOLO算法通过脉冲驱动注意力提升无人机小目标检测能效（3）。此外，多所高校合作研发的三忆阻器超混沌神经网络成功应用于图像加密（4），同济大学团队基于膜电位振荡特性改进了神经纳米物联网通信模型（5）。有机忆阻器研究（6）和微塑料光谱分类（7）也取得重要进展。研究展示
文献阅读笔记：脉冲神经网络最新文献合集-XVII
Grow into a more wonderful you
09-22 1143
[IEEE 2024] TCJA-SNN: Temporal-Channel Joint Attention for Spiking Neural Networks【文献精读、翻译】
qq_22841387的博客
07-01 1689
本文提出了 TCJA 机制，该机制创新性地重新校准了 SNN 中的时间和通道信息。具体来说，我们使用 1-D 卷积而不是通用的全连接网络来构建帧之间的相关性，从而减少计算量并提高模型性能。除了在分类任务中的出色表现外，TCJA-SNN 在图像生成任务中也表现出竞争力。据我们所知，这项研究 首次将 SNN 注意力机制应用于高层次分类和低层次生成任务 。值得注意的是，我们的方法在这两个领域都取得了最先进的性能，从而在该领域取得了显著进展。然而，插入 TCJA 仍然导致参数数量相对大幅增加。
文献阅读笔记：脉冲神经网络最新文献合集-X
Grow into a more wonderful you
09-16 970
文献阅读笔记：脉冲神经网络最新文献合集-VII
Grow into a more wonderful you
09-13 779
摘要：近期研究聚焦脉冲神经网络（SNN）在多个领域的创新应用。Khanchana等提出NeuroPET，通过优化深度卷积SNN提升乳腺癌检测精度（2025）。Shi团队开发了全忆阻器SNN，显著降低图学习的能耗（Science Advances 2025）。Li等设计的qLIF模型有效减少了SNN实现中的内存与计算开销（Neural Computing and Applications 2025）。此外，Ayasi团队对比了SNN与传统ANN在阿拉伯国家光伏系统太阳辐射预测中的表现（多机构合作）。这些研究展
文献阅读笔记:脉冲神经网络最新文献合集-XVIII
Grow into a more wonderful you
09-22 1345
文献阅读笔记：脉冲神经网络最新文献合集-VIII
Grow into a more wonderful you
09-13 807
2025年脉冲神经网络领域研究涌现多项创新成果。中国团队主导多项研究：电子科大开发自适应阈值指静脉识别系统，国防科大提出RGB-事件融合目标检测方法，东莞理工探索残差机制在动作识别中的应用。国际研究方面，东京大学利用噪声优化网络性能，康奈尔大学研究异构量化正则化作用。应用领域涵盖生物识别（Li Yang）、工业检测（Senlin Fang）、自动驾驶（Miao Jin）等方向，显示脉冲神经网络在计算机视觉与机器人领域的广阔前景。
文献阅读笔记：脉冲神经网络最新文献合集-XII
Grow into a more wonderful you
09-18 899
脉冲神经网络（SNN）论文阅读（三）-----高精度低时延的ANN转换SNN方法
lanpeople的博客
06-12 4527
北京大学于肇飞组发表于ICLR 2022的论文Optimal ANN-SNN Conversion for High-accuracy and Ultra-low-latency Spiking Neural Networks，提出使用quantization clip-floor-shift activation function去替代ANN中的ReLU激活函数后将其转换为SNN可以在较小的time step下获得较高的精度。......
基于学习的人工智能（1）为什么学习？
致力于大数据+AI 的应用创新。
11-24 271
学习是人类最重要的认知活动之一，贯穿我们的一生。出生后，我们无时无刻不在学习：从父母那里学说话，自己尝试走路，从小伙伴那里学会折纸飞机，从老师那里学到语文、数学等各种知识。研究人员始终将光源和风扇放在同一侧，经由学习，玉米幼苗逐渐学会了“有风的地方就会有光”的规律。之后，研究人员移去光源，并改变风扇方向，玉米幼苗依然按照所学知识，向风扇方向生长。1959 年，美国计算机学家亚瑟·塞缪尔设计了一款可以自我学习的跳棋程序，并将这一新方法称为“机器学习”，从而开启了机器自我学习的道路。
三大空间信息焕新：辉视让酒店服务、教育通知、监所管控更智能高效
CalebLXL的博客
11-24 706
走访这些场所后我发现，系统的真正价值不在于那些炫目的屏幕，而在于它构建了一套"空间信息免疫系统"——就像人体淋巴网络般，能智能识别各区域的信息需求，精准输送"营养"，快速清除"毒素"。当我们在酒店大堂不再错过末班机场大巴，在学校走廊偶遇恰好需要的竞赛通知，甚至在高墙内获得规整的信息权时，或许该重新思考：所谓智能化，本质是对空间信息代谢效率的一次外科手术式改造。这种荒诞的割裂感，正是传统信息分发模式崩溃的缩影——直到我最近走访数家采用辉视系统的场所，才意识到我们早已进入"精准信息触达"的新纪元。
（116页PPT）关于5G和新基建赋能智慧工地整体解决方案（附下载方式）
2501_92808811的博客
11-25 436
在整体架构方面，方案以“5G智慧工地平台”为核心，依托多类感知设备（如传感器、摄像头、AI眼镜、智能安全帽等）采集数据，通过5G网络实时回传至云平台，再借助大数据、云计算、人工智能等技术进行分析处理，最终在PC、手机、监控大屏等多终端进行可视化展示。此外，文件还详细列举了传统智慧工地子系统（如深基坑监测、升降机监控、扬尘噪音监测、智能水电计量等）的功能与部署方式，并补充了如5G企业专网、实测机器人、智慧科技体验中心等延伸应用，体现出方案的系统性与前瞻性。详细资料请看本解读文章的最后内容。
信息检索13
最新发布
2301_80828873的博客
11-26 898
最近邻检索的方法，PQ，IVF,HNSW
RAG 的诞生：为了让 AI 不再“乱编”
weixin_44876263的博客
11-24 652
RAG全称，中文为“检索增强生成”。其核心思想是：在生成答案时，不仅依赖大模型内部的训练知识，还能够实时访问外部知识库或文档，从而生成更加准确和可靠的内容。就像一个学生回答问题，不仅依靠自己记忆，还会去图书馆查资料，然后结合记忆和查到的资料回答问题。你问模型：“请告诉我最新的新能源补贴政策。纯模型可能只靠训练记忆，回答的是过时或模糊的信息。RAG 模型会先去查最新政策文件，再结合训练知识生成答案，因此更准确。检索资料：先找到相关文档或信息。结合生成：把找到的资料和问题一起输入模型，让模型生成答案。
【LoRA（低秩适应）技术详解：原理、公式与实践】
m0_46882548的博客
11-26 681
参数高效：可训练参数量通常仅为全量微调的0.01% - 3%，极大降低了计算和存储成本。内存友好：由于大部分原始权重被冻结，无需存储其优化器状态，显著减少了训练时的显存占用。无推理延迟：训练后可将LoRA权重合并回原模型，推理速度与原始模型一致。模块化与灵活性：一个基础模型可以搭配多个针对不同任务的、体积很小（几兆字节）的LoRA适配器，轻松切换任务。减轻灾难性遗忘：因为原始权重基本不动，模型在适应新任务时更不容易遗忘预训练时获得的通用知识。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
人生不是轨道，是旷野。希望每天都有好心情。
11-23 383
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
强化学习人形机器人奖励函数分析
ModestCoder_的博客
11-23 1056
PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的跟随精度。这种设计是现代机器人控制领域的标准范式。形式，在总奖励计算中通常会被赋予。
教你使用服务器搭建一款一款端到端的开源 OCR 模型GOT-OCR2.0
m0_69484557的博客
11-25 278
GOT-OCR2.0 是一款真正专业级、可落地的端到端开源 OCR 模型，它让文档识别变得更智能、更精准、更高效。当你将它部署在莱卡云服务器上后，就拥有：一个稳定的 OCR 服务平台一个云端智能识别中心一个支持批量处理的高效工具一个可扩展的文档自动化系统。
SNN-ANN
03-31
这里可以引用相关文献说明SNN在能效上的优势。 学习机制方面，ANN依赖反向传播和梯度下降，而SNN可能使用脉冲依赖的可塑性，比如STDP（脉冲时序依赖可塑性）。不过，现在也有一些SNN使用近似梯度的方法进行训练，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

BetterInsight

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值