多目标脉冲神经结构搜索算法

精度高且脉冲少

通过变长编码与时间扩张搜索,自动设计兼顾高精度和低功耗的脉冲神经网络结构。

Xiaotian, Song · Lv, Zeqiong · Fan, Jiahao · Deng, Xiong · Jiancheng, Lv · Jiyuan, Liu · Sun, Yanan

IEEE Transactions on Evolutionary Computation 2025

参数信息

CIFAR10分类精度提升
0.45 %
CIFAR100分类精度提升
0.26 %
TinyImageNet分类精度提升
7.52 %
CIFAR10脉冲数减少
33 %
CIFAR100脉冲数减少
29 %
TinyImageNet脉冲数减少
12 %

技术优势

自动搜索无需预设深度

变长编码策略使网络深度在搜索过程中自动确定,无需人工预先设定。

精度与功耗同时优化

基于 NSGA-II 的多目标优化,同时最大化分类精度并最小化脉冲数,在两者间取得良好平衡。

精度提升且脉冲更少

在多个数据集上超越现有方法,以更少的脉冲数获得更高精度。

时间扩张提升性能

时间扩张算子引入全局搜索,实验表明能进一步提高模型性能。

应用场景