基于大脑启发的脉冲神经网络的高效神经架构搜索

《Pattern Recognition》：Efficient Neural Architecture Search for brain-inspired spiking neural network

　　

Peilin Lai|Yang Zhang|Weizhao He|Yu Zeng|Hongsong Wang

• •
  基于稀疏性的进化神经架构搜索： 一种用于设计受生物学启发的脉冲神经网络（SNNs）的框架。我们设计了一个基于大脑结构的SNN搜索空间，该空间融合了兴奋性神经元与抑制性神经元的相互作用以及反馈连接机制。
• •
  稀疏性感知评分（SAS）： 一种无需训练的评估指标，作为基于稀疏性的进化算法（SAE）的适应度函数，通过无需训练即可评估网络的表现能力，从而降低计算成本并加速架构搜索过程。
• •
  领先性能： SAE-NAS在多个数据集上表现出色，与现有方法相比，在CIFAR100数据集上的准确率提高了1.24%，在CIFAR10DVS数据集上提高了0.7%，在TinyImageNet数据集上提高了0.12%。