arXiv · Neural and Evolutionary Computing· Zijie Xu, Bingrui Guo, Yiding Sun, Yiting Dong, Zhile Yang, Zhaofei Yu·· 6 小时前AI 评分25
共模误差限制低时间步深度脉冲 Q 网络
Common-Mode Errors Limit Low-Timestep Deep Spiking Q-Networks
AI 导读
研究者提出 CMC-DSQN，用辅助 ANN 补偿 SNN 输出中的共模误差，以缓解低时间步 DSQN 的性能退化。在 Atari 与 MiniAtar 环境中，CMC-DSQN 在 T=2 时较 SOTA DSQN 基线提升近 20%，在 T=4 时进一步超过 ANN 基线。推理时可直接由 SNN 输出做贪心动作选择，辅助 ANN 可完全移除，保留 SNN 的能效优势。
来源：arXiv · Neural and Evolutionary Computing · arxiv.org