arXiv · cs.AI· Francesco Panetta, Federico Di Valerio, Michela Proietti·· 11 小时前
深度脉冲神经网络提出显著性引导回放改善持续学习精度—存储权衡
Saliency-Guided Replay for Continual Learning in Deep Spiking Neural Networks
arXiv:2610.17998v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Francesco Panetta, Federico Di Valerio, Michela Proietti
研究任务与主要进展
Francesco Panetta、Federico Di Valerio和Michela Proietti提出一种面向深度脉冲神经网络的显著性引导回放框架，结合经Batch Normalization Through Time稳定化的VGG9与基于脉冲活动的Spike Activation Maps，替代存储完整图像来选择信息量较高的图像块。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org