ChronoSpike脉冲图神经网络论文发布

Md Abrar Jahin、Taufikur Rahman Fuad、Jay Pujara、Craig Knoblock 发布论文，提出自适应脉冲图神经网络 ChronoSpike，将可学习 LIF 神经元（含逐通道膜动态）、多头空间注意力聚合与轻量 Transformer 时序编码器结合，用于动态图任务。 作者称，该模型在三个大型基准上平均超越十二个 SOTA 基线 2.0% Macro-F1 和 2.4% Micro-F1，训练速度比循环方法快 3–10 倍，参数量恒为 105K 且与图规模无关。论文称代码已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。