基于显著性引导回放的深度脉冲神经网络持续学习

研究将经验打包与回放（EPR）用于低延迟约束下的深度脉冲神经网络持续学习，框架结合批归一化穿越时间的VGG9 SNN与脉冲激活图（SAM），把前向解释按时间聚合成空间注意力图，据此挑选信息量最大的图像块回放而非存储整图。在Split CIFAR10和Split CIFAR100上，SAM引导的EPR在紧张内存预算下改善了精度与内存的权衡，并以明显更少的存储保持竞争力。