Mejorando la robustez de las redes neuronales de picos con mecanismos de compuerta estocásticos

Las redes neuronales de picos (SNNs) explotan los picos neuronales para proporcionar soluciones para aplicaciones inteligentes de bajo consumo energético en hardware neuromórfico. Aunque las SNNs tienen alta eficiencia computacional gracias a la comunicación mediante picos, aún carecen de resistencia a ataques adversariales y perturbaciones por ruido. En el cerebro, las respuestas neuronales generalmente poseen estocasticidad inducida por canales iónicos y sinapsis, mientras que el papel de la estocasticidad en las tareas de computación se comprende poco. Inspirados en esto, elaboramos un modelo neuronal de picos con compuerta estocástica para la comunicación de picos capa por capa, introduciendo estocasticidad a las SNNs. A través del análisis teórico, nuestro modelo de compuerta puede verse como un regularizador que previene la amplificación del error bajo ataques. Mientras tanto, nuestro trabajo puede explicar la robustez de la codificación de Poisson. Los resultados experimentales demuestran que nuestro método puede usarse solo o con algoritmos de mejora robustos existentes para mejorar la robustez de las SNNs y reducir el consumo de energía de las SNNs. Esperamos que nuestro trabajo arroje nueva luz sobre el papel de la estocasticidad en la computación de las SNNs. Nuestro código está disponible en https://github.com/DingJianhao/StoG-meets-SNN/.