跳到主要内容
检索

# DeNA-SGN确定性邻域聚合脉冲图网络

1 篇关联报道

订阅更新
  1. arXiv

    DeNA-SGN把学习到的图注意力换成固定逻辑:29万余次测试查询的类别判定与导出模型逐条一致

    脉冲图学习此前多依赖学习到的边权重或随机脉冲编码,难以把整条推理电路完整编译并逐条核对。DeNA-SGN改用固定的OR与含并列的Majority两种二值邻域汇总,再接一个学习符号权重的阈值分类器,并借助与度数相关的抑制控制神经元把Majority实现为共享控制电路,整体编译进SuperNeuroMAT模拟器。在七个数据集、41个映射分类器上,原生仿真与导出的人工网络在每一个被评估的类别判定和输出脉冲模式上一致;新增的Amazon Photo确认集上电流读出准确率为83.93±0.93%,严格输出脉冲准确率为71.61±2.22%。

已读完全部报道