提出边缘SNN边推理边学习框架BSD

1. 12:00
   arXiv · Neural and Evolutionary Computing

   边端 SNN 如何在推理中学习：跨感知模态的局部并行学习

   研究提出双向脉冲蒸馏（BSD），让边端 SNN 在推理过程中持续学习。BSD 耦合刺激驱动的前向网络与目标驱动的反向网络，通过局部目标对齐中间表示，使前向推理、反向推理与分阶段更新并行执行；在 SOUL 五种感知模态的 25 个基准上，平均与匹配 BP 基线相差 3.8 个百分点，部署仅需前向分支，训练延迟降至 BP 的 $0.72\times$、训练能耗降至 $0.36\times$。

Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.