时间自擦除监督的判别特征学习算法数据

针对某些区域的冗余激活和多个时间步长的共享监督，限制了网络适应和学习不同特征的能力的问题，提出了一种新的时间自擦除（TSE）监督方法。TSE方法的工作原理是通过跨多个时间步的预测识别高度激活的区域，并在模型训练期间自适应地抑制它们，从而鼓励网络关注激活程度较低但具有潜在信息的区域。模型根据经验设置并构图，模型测试结果包括2024年1月-2024年10月期间采用设计模型在DVS-CIFAR10 、CIFAR100 和ImageNet图像分类库上的结果测试，以及在部分库上的消融实验测试。数据集大小0.7M。

搜集汇总

背景与挑战

背景概述

该数据集包含一种名为时间自擦除（TSE）监督方法的算法测试结果，该方法通过跨多个时间步识别并自适应抑制高度激活区域，引导脉冲神经网络关注更有信息量的区域，从而提升判别特征学习能力。数据涵盖在DVS-CIFAR10、CIFAR100和ImageNet等图像分类库上的测试结果及消融实验，共12个文件（jpg、xlsx、docx格式），数据量约0.7MB。