ICLR 2026

让脉冲网络的结构,
也参与学习。

CH-SNN:事件驱动计算与拓扑引导的稀疏学习。

两种效率方向的交汇

脉冲网络通过事件传递信息,稀疏结构决定哪些连接参与传递。CH-SNN 结合相关性引导初始化、连接移除与 CH 连接预测,探索高稀疏度下的学习。

在明确任务中检验结构

在论文 DVS-Gesture 的 S-TP 实验中,连接稀疏度为 98.84%,准确率为 91.29%,对应稠密参考为 89.02%。这些结果对应论文中的指定任务与配置。

能耗结果如何理解

论文在四个基准上报告约 55 倍平均估算突触运算能耗降低。该估算基于运算计数与指定单次运算能耗,不能直接等同于设备整体能耗或续航。