Buchumschlag

Quantization of Spiking Neural Networks Beyond Accuracy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Smith, Evan Gibson, Whitehill, Jacob, Ganji, Fatemeh
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Layerwise Progressive Freezing Enables STE-Free Training of Deep Binary Neural Networks
von: Smith, Evan Gibson, et al.
Veröffentlicht: (2026)

The CHASM-SWPC Dataset for Coronal Hole Detection & Analysis
von: Beck, Cutter, et al.
Veröffentlicht: (2025)

Learning to Translate from Soft to Hard LLM Prompts
von: Kongsomjit, Pitipat, et al.
Veröffentlicht: (2026)

Physics-Informed Spiking Neural Networks via Conservative Flux Quantization
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

SQUAT: Stateful Quantization-Aware Training in Recurrent Spiking Neural Networks
von: Venkatesh, Sreyes, et al.
Veröffentlicht: (2024)

On the Privacy-Preserving Properties of Spiking Neural Networks with Unique Surrogate Gradients and Quantization Levels
von: Moshruba, Ayana, et al.
Veröffentlicht: (2025)

FlexiQ: Adaptive Mixed-Precision Quantization for Latency/Accuracy Trade-Offs in Deep Neural Networks
von: Kim, Jaemin, et al.
Veröffentlicht: (2025)

Loss Spike in Training Neural Networks
von: Li, Xiaolong, et al.
Veröffentlicht: (2023)

ChronoSpike: An Adaptive Spiking Graph Neural Network for Dynamic Graphs
von: Jahin, Md Abrar, et al.
Veröffentlicht: (2026)

Massive Spikes in LLMs are Bias Vectors: Mechanistic Uncovering and Spike-Free Quantization
von: Chen, Yung-Chin, et al.
Veröffentlicht: (2026)

Spiking Graph Neural Network on Riemannian Manifolds
von: Sun, Li, et al.
Veröffentlicht: (2024)

Training of Spiking Neural Networks with Expectation-Propagation
von: Yao, Dan, et al.
Veröffentlicht: (2025)

Random Spiking Neural Networks are Stable and Spectrally Simple
von: Araya, Ernesto, et al.
Veröffentlicht: (2025)

Spiking Neural Networks with Random Network Architecture
von: Dai, Zihan, et al.
Veröffentlicht: (2025)

Accuracy-Efficiency Trade-Offs in Spiking Neural Networks: A Lempel-Ziv Complexity Perspective on Learning Rules
von: Rudnicka, Zofia, et al.
Veröffentlicht: (2025)

Frame Quantization of Neural Networks
von: Czaja, Wojciech, et al.
Veröffentlicht: (2024)

Beyond Accuracy: A Stability-Aware Metric for Multi-Horizon Forecasting
von: Ma, Chutian, et al.
Veröffentlicht: (2026)

ChronoPlastic Spiking Neural Networks
von: Chaudhry, Sarim
Veröffentlicht: (2025)

SNNAX -- Spiking Neural Networks in JAX
von: Lohoff, Jamie, et al.
Veröffentlicht: (2024)

Realtime-Capable Hybrid Spiking Neural Networks for Neural Decoding of Cortical Activity
von: Krausse, Jann, et al.
Veröffentlicht: (2025)

Pruning and Quantization Impact on Graph Neural Networks
von: Khedri, Khatoon, et al.
Veröffentlicht: (2025)

Constraint Guided Model Quantization of Neural Networks
von: Van Baelen, Quinten, et al.
Veröffentlicht: (2024)

Oscillations Make Neural Networks Robust to Quantization
von: Wenshøj, Jonathan, et al.
Veröffentlicht: (2025)

Congestion-Aware Dynamic Axonal Delay for Spiking Neural Networks
von: Bai, Dewei, et al.
Veröffentlicht: (2026)

Not All Timesteps Matter Equally: Selective Alignment Knowledge Distillation for Spiking Neural Networks
von: Sun, Kai, et al.
Veröffentlicht: (2026)

SpiKernel: A Kernel Size Exploration Methodology for Improving Accuracy of the Embedded Spiking Neural Network Systems
von: Putra, Rachmad Vidya Wicaksana, et al.
Veröffentlicht: (2024)

Neuromorphic Spiking Neural Network Based Classification of COVID-19 Spike Sequences
von: Murad, Taslim, et al.
Veröffentlicht: (2024)

Time to Spike? Understanding the Representational Power of Spiking Neural Networks in Discrete Time
von: Nguyen, Duc Anh, et al.
Veröffentlicht: (2025)

Quantization-Aware Regularizers for Deep Neural Networks Compression
von: Malchiodi, Dario, et al.
Veröffentlicht: (2026)

Efficient Mixed Precision Quantization in Graph Neural Networks
von: Moustafa, Samir, et al.
Veröffentlicht: (2025)

Learning Long Sequences in Spiking Neural Networks
von: Stan, Matei Ioan, et al.
Veröffentlicht: (2023)

The Role of Temporal Hierarchy in Spiking Neural Networks
von: Moro, Filippo, et al.
Veröffentlicht: (2024)

On the Universal Representation Property of Spiking Neural Networks
von: Hundrieser, Shayan, et al.
Veröffentlicht: (2025)

Federated Learning of Spiking Neural Networks under Heterogeneous Temporal Resolutions
von: Karilanova, Sanja, et al.
Veröffentlicht: (2026)

A Principled Bayesian Framework for Training Binary and Spiking Neural Networks
von: Walker, James A., et al.
Veröffentlicht: (2025)

Large Language Models Inference Engines based on Spiking Neural Networks
von: Balaji, Adarsha, et al.
Veröffentlicht: (2025)

Local Timescale Gates for Timescale-Robust Continual Spiking Neural Networks
von: Tiwari, Ansh, et al.
Veröffentlicht: (2025)

Zero-Shot Temporal Resolution Domain Adaptation for Spiking Neural Networks
von: Karilanova, Sanja, et al.
Veröffentlicht: (2024)

A Closer Look at Knowledge Distillation in Spiking Neural Network Training
von: Liu, Xu, et al.
Veröffentlicht: (2025)

Delays in Spiking Neural Networks: A State Space Model Approach
von: Karilanova, Sanja, et al.
Veröffentlicht: (2025)