带有注意力评分解码的脉冲生成对抗网络
摘要：使用基于神经网络的生成模型在深度学习中面临着重大挑战。目前，这类模型主要局限于人工神经网络的领域。脉冲神经网络作为第三代神经网络，由于其丰富的时空动态性，更接近于脑的处理方式。然而，基于脉冲神经网络的生成模型研究还不充分。本文首次构建了一个能处理复杂图像的脉冲生成对抗网络。我们的首要任务是识别脉冲生成对抗网络中存在的领域外不一致性和时间不一致性问题。我们通过引入地球移动距离和注意力加权解码方法来解决这些问题，显著提升了我们算法在多个数据集上的性能。实验结果表明，我们的方法在MNIST、FashionMNIST、CIFAR10和CelebA数据集上优于现有方法。此外，与混合脉冲生成对抗网络（其中鉴别器为人工模拟神经网络）相比，我们的方法更贴近鼠标的信息处理模式。
作者：Linghao Feng, Dongcheng Zhao, Yi Zeng
论文ID：2305.10246
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-05-22