事件历史事件
SCIB：基于条件信息瓶颈的脉冲神经网络鲁棒表示学习
先了解这件事
AI 综述
研究者提出 SCIB，一种基于条件信息瓶颈的脉冲神经网络（SNN）鲁棒学习目标，用条件互信息 I(X;S|Y) 替换常规变分信息瓶颈的压缩项 I(X;S)。在 Fashion-MNIST、CIFAR-10、CIFAR-100 上针对环境噪声、硬件噪声和对抗攻击的实验中，SCIB 多数条件下鲁棒性优于标准 SNN 与 IB 基线，无需对抗训练即提升对抗准确率，SynOps 推理能耗降低 24.9%。
AI 根据报道生成 · 23 天前更新
走势与进展
每小时关注度
现在 16，24 小时 0%·峰值 16（11月6日 03:00）
11月7日11月8日11月9日11月10日11月11日11月12日11月13日现在 16
相关研究
这件事的论文
- SCIB：基于条件信息瓶颈的脉冲神经网络鲁棒表征学习
arXiv · 2026-10-20 · 深度解读
后续时间线
10月20日
- arXiv：对抗攻击、后门与投毒SCIB：基于条件信息瓶颈的脉冲神经网络鲁棒表征学习
研究者提出 SCIB，一种基于条件信息瓶颈的 SNN 鲁棒学习目标，用条件互信息 I(X;S|Y) 替换常规变分信息瓶颈的压缩项 I(X;S)。在 Fashion-MNIST、CIFAR-10、CIFAR-100 上针对环境噪声、硬件噪声和对抗攻击的实验中，SCIB 多数条件下鲁棒性优于标准 SNN 与 IB 基线，无需对抗训练即提升对抗准确率，SynOps 推理能耗降低 24.9%。