SSM脉冲神经网络闭环预测研究

Erik Stolt、Sanja Karilanova、Ayca Ozcelikkale 发表研究，提出模型级与层级两种闭环预测策略：把网络自身生成的数值当作观测值反馈回网络，以解决脉冲神经网络（SNN）自回归预测时缺少真实值的问题。 在 ETT-small 基准上，这两种方法在脉冲激活与连续激活下均与 S4 的 zero-masking 基线相当或更优，多数情况下可匹敌 SpaceTime。研究称结果凸显连续激活与低比特量化激活之间的权衡，表明该类 Deep SSM 架构是具备竞争力的预测框架。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。