李宏毅深度学习简介前提假设简单描述结合了激活函数后：使用多个激活函数：前提假设假设机器学习的训练样本是x={x1,x2,…,xn}，其中的x1,x2,…,xn分别表示样本的第1个、第二个直到第n个特征。假设学习的函数比较简单，设为y=wx+b，其中w={w1,w2,…,wn}，其中的w1,w2,…,wn分别表示对应的样本特征xi所占的权重。其中的b表示bias（偏差），简单描述我们要使用机器学习到

论文提出了STBP算法，构建了迭代的LIF模型能够同时利用空间域和时间域信息对网络进行训练，又介绍了四种近似脉冲活动导数的曲线来进行误差的反向传播。使得不使用任何复杂的训练技巧（如正则化、归一化等）来直接训练SNN就能取得很好的效果。...

论文提出了一种针对SNN的归一化（regularization）方法，并构建了超过50层的深度脉冲残差网络，在DVS-Gesture数据集上取得了SOTA的结果。

这篇博客主要用于记录2026年在人工智能领域顶会顶刊（ICML、NeurIPS、ICLR、CVPR、ECCV、AAAI、IJCAI等）上发表的SNN相关的论文，会附上相关论文的链接及简单介绍，正在更新中…

2022年顶会、顶刊脉冲神经网络相关优秀论文收集

论文提出了STBP算法，构建了迭代的LIF模型能够同时利用空间域和时间域信息对网络进行训练，又介绍了四种近似脉冲活动导数的曲线来进行误差的反向传播。使得不使用任何复杂的训练技巧（如正则化、归一化等）来直接训练SNN就能取得很好的效果。...

论文提出了STBP算法，构建了迭代的LIF模型能够同时利用空间域和时间域信息对网络进行训练，又介绍了四种近似脉冲活动导数的曲线来进行误差的反向传播。使得不使用任何复杂的训练技巧（如正则化、归一化等）来直接训练SNN就能取得很好的效果。...

2022年顶会、顶刊脉冲神经网络相关优秀论文收集

2024年脉冲神经网络（Spiking Neural Network，SNN）相关论文

2024年脉冲神经网络（Spiking Neural Network，SNN）相关论文