混雑を考慮した動的軸索遅延によるスパイキングニューラルネットワーク

arXiv cs.LG / 2026/5/5

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、スパイキングニューラルネットワーク向けに、活動に応じて遅延を適応させる「混雑（congestion）を考慮した動的軸索遅延」手法を提案し、従来の静的なシナプス遅延から脱却します。
遅延は、時間構造を作るチャネルごとの静的ベース遅延と、スパイク強度の変動に応じて状態更新のレートを調整するグローバルな活動条件付きシフトに分解されます。
遅延パラメータは微分可能な線形補間で学習し、推論時に離散化することで、動的遅延の利点を保ちつつ追加コストを最小化することを狙っています。
SHD/SSC/GSC-35の音声イベント駆動ベンチマークで実験し、SHDで93.75%、SSCで80.49%、GSC-35で95.53%といった顕著な精度向上を示しています。
同一アーキテクチャにおける既存の最先端・遅延ベース手法と比べて、遅延パラメータ数を約50%削減できる点も報告されています。