Burst Spiking Neural Networks：以突发放电与动态权重约束提升SNN鲁棒性

论文提出Burst Spiking Neural Networks（BuSNNs），通过Burst-enhanced Spiking Neurons提供分级脉冲激活，并用Dynamic Weight Constraint按激活状态抑制权重幅度，以缓解小扰动引起的状态跳变和输出敏感性。摘要称其在CIFAR-10上优于SNN与ANN，在ImageNet的MS ResNet-34上较SNN基线提升3.18% top-1准确率和2.66% corruption robustness，同时保持脉冲网络的低功耗优势。