Membrane Potential-Driven Adaptive Threshold Plasticity for SNNs: A Bio-Inspired Mechanism Combining Inverse Depolarization Rate and Proportional Membrane Potential Dynamics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While spiking neural networks (SNNs) have demonstrated remarkable efficiency in neuromorphic computing by emulating biological neuronal dynamics, their learning capabilities remain constrained by predominant focus on synaptic plasticity. This limitation overlooks critical neurobiological evidence showing that intrinsic neuronal plasticity, particularly dynamic threshold adaptation, plays an essential role in balancing neural responsiveness and signal fidelity. Inspired by two neurophysiological principles governing threshold regulation: 1) the inverse correlation between spiking thresholds and preceding depolarization rates, and 2) the proportional relationship between thresholds and average membrane potentials, we propose a Membrane Potential-Driven Adaptive Threshold Plasticity (MPD-ATP) framework. This biologically grounded mechanism establishes a dual-pathway control system where instantaneous depolarization rates and sustained membrane potential states jointly modulate neuronal thresholds through an adaptive scaling factor. The instantaneous depolarization rate dynamically lowers thresholds during strong input bursts, while the sustained average membrane potential adjusts the baseline threshold to stabilize firing during sparse input. This complementary regulation improves precision and robustness. Extensive evaluations on static (CIFAR-10/100) and neuromorphic (CIFAR10-DVS, DVSGesture) benchmarks demonstrate that MPD-ATP-enhanced networks achieve superior classification accuracy with enhanced noise robustness. Systematic ablation studies reveal that the coordinated interaction between depolarization-sensitive and membrane potential-proportional threshold adjustments is critical for preventing signal saturation in high-activity networks while mitigating under-activation in sparse-input scenarios.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle