提出休眠脉冲神经元DSN模型

2026年10月16日，arXiv Computer Vision 刊出 Ruichen Ma 等作者的报道，针对脉冲神经网络中突触后神经元持续阈下动态带来的计算开销，提出休眠脉冲神经元（DSN）模型：当膜电位低于预设负阈值时，令神经元进入休眠状态，在实例级别动态剪枝冗余计算。该报道称，在静态与神经形态数据集上的大量实验显示，DSN 框架可将计算能耗持续降低 40% 至 70% 以上；在大规模 ImageNet 数据集上，DSN 在相近的已报告成本削减下优于当前最先进的静态剪枝技术，同时将对应基线 SNN 的准确率提升 1.34%。上述能耗与准确率数字均出自该报道，为其单方陈述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。