计算机应用研究

作者：李炜奇,陈云华,陈平华,朱春佳,

单位：1.广东工业大学计算机学院,广州510006；2.中国舰船研究设计中心,四川内江641199；

关键词：脉冲神经网络,批归一化,脉冲时间依赖性,脉冲神经网络训练算法,

基金：广东省自然科学基金资助项目(2025A1515012243)；广东省重点领域研发计划资助项目(2023B1111050010)；；

脉冲神经网络（SNN）因其具有更好的生物解释性、强大的时空信息表征能力，以及超低功耗和延迟特性而受到广泛关注。然而SNN在训练算法、超参数设置、架构设计研究等方面还存在不少挑战性的问题。针对现有SNN归一化（BN）方法无法有效处理时间依赖性的问题，通过分析膜电位增量在时间步上的传播，提出按时间步逐步计算膜电位增量的时空积累量；以此为数据分布的统计量分别对各个时间步数据进行归一化，并提出按照指数移动平均计算膜电位增量的时空积累量，形成一种带衰减因子的时空累积批归一化（spatio-temporal attenuation cumulative batch normalization，STBN）方法。在CIFAR-10 和 CIFAR-100及CIFAR10-DVS数据集上的实验结果表明，所提方法能显著提升网络分类精度并降低时延。特别是在CIFAR-100数据集上仅使用两个时间步就获得了76.30%的精度，相比同类模型的先前最优算法精度提升了3.43%。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期