Codificación escasa convolucional con LCA en Loihi 2
Implementación de codificación escasa convolucional con LCA en Loihi 2, comparada con GPU. Resultados revelan ventajas en hardware neuromórfico.
#neuromórfico
SNN-MLIR: Un dialecto MLIR para compilar SNN desde NIR a C nativo
Descubre SNN-MLIR, un dialecto MLIR que compila redes neuronales espigantes desde NIR a C nativo. Ejecución eficiente en CPUs y embebidos. Open source.
ITP-STDP: Motor de aprendizaje eficiente para SNN en chip
Descubre cómo ITP-STDP optimiza el entrenamiento de SNN con un diseño de hardware que reduce drásticamente el consumo energético y los recursos. ¡Innovación en IA!
ArrowFlow: Aprendizaje automático jerárquico en el espacio de permutaciones
ArrowFlow: modelo de aprendizaje automático en permutaciones sin parámetros flotantes. Competitivo, robusto al ruido, ideal para hardware neuromórfico.
Neuronas QIF mejoran el descenso por gradiente en redes de picos
Las neuronas QIF ofrecen paisajes de pérdida menos fragmentados y superan a las LIF en descenso por gradiente exacto. Descubre los resultados.
Entrenamiento sin gradientes de SNN con estrategias evolutivas de bajo rango
Descubre cómo el método EGGROLL entrena redes neuronales de picos sin gradientes, logrando un 79.21% de precisión y 2.23x más rápido en hardware neuromórfico.
XOResNet: Meta-residuales XOR para SNNs profundas
Descubre XOResNet, que usa meta-residuales XOR para superar limitaciones del aprendizaje residual en SNNs. Logra mejor precisión en CIFAR y miniImageNet.