TC-LIF：用于长期顺序建模的双室脉冲神经元模型
摘要：建立远距离线索之间的长期时间依赖关系对于先进的尖峰神经网络(SNNs)仍然是一项具有挑战性的任务。为了应对这一挑战，我们提出了一个新颖的生物启发式的两室漏电积分-放电尖峰神经元模型，称为TC-LIF。所提出的模型包括精心设计的细胞体和树突区，旨在促进学习长期时间依赖关系。此外，提供了理论分析来验证TC-LIF在扩展时间范围内传播误差梯度的有效性。我们在各种时间分类任务上的实验结果表明，所提出的TC-LIF模型具有卓越的时间分类能力、快速的训练收敛速度和高能效性能。因此，这项工作为解决新兴神经形态计算系统上的挑战性时间处理任务开辟了无数机会。
作者：Shimin Zhang, Qu Yang, Chenxiang Ma, Jibin Wu, Haizhou Li, Kay Chen Tan
论文ID：2308.13250
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-08-28