arXiv · Neural and Evolutionary Computing· Yujia Liu, Peiyu Liu, Yajing Zheng, Tiejun Huang·2026-10-02 12:00· 3 小时前AI 评分17

Controllable Stochastic Quantization Encoding for Adversarially Robust Spiking Neural Networks

AI 导读

论文提出可控随机量化编码方法，通过调节量化尺度为输入图像注入可控随机性，提升脉冲神经网络（SNN）的对抗鲁棒性。该方法在不同量化尺度下可退化为泊松编码与直接编码，构成通用框架，并可与现有基于训练的防御方法结合进一步增强鲁棒性。实验在 CIFAR-10 与 CIFAR-100 上验证了有效性。