热点事件持续更新
Controllable Stochastic Quantization Encoding for Adversarially Robust Spiking Neural Networks
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表一篇 Neural and Evolutionary Computing 类别的论文，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，以提升脉冲神经网络（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增强鲁棒性。实验在 CIFAR-10 与 CIFAR-100 上验证了有效性。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Neural and Evolutionary ComputingControllable Stochastic Quantization Encoding for Adversarially Robust Spiking Neural Networks
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。