Page 49 - 112-2小論文
P. 49

第三代人工智慧 SNN 模型原理解析與前景

                           表二：SNN、  CN 和  ResNet 對於三種攻擊後的準確度

                            100.00%
                             90.00%
                             80.00%
                             70.00%
                             60.00%
                             50.00%
                             40.00%
                             30.00%
                             20.00%
                             10.00%
                              0.00%
                                            FGSM                 BIM                JSMA

                                              SNN準確率      CNN準確率       ResNet準確率


            表二資料來源：研究者整理自 Song, l., Wu, j., Zhang, H., & Wu, F. (2021). Cellular UAV-to-Device
            Communications:  Trajectory  Design  and  Mode  Selection  by  Multi-Agent  Deep  Reinforcement
            Learning. IEEE , 69(5), 2744–2757. https://arxiv.org/abs/2002.08040

            參、研究方法

                 1.   研究方法

                           本次研究的方法主要是以文獻探討為主，查詢各電子期刊上的資料與數據表格，
                      藉此了解  SNN 與  ANN 兩者的優劣勢與特性的差異。經過上文深入淺出地探討  SNN
                      的機制和特性，視角便可回到文初所提及之問題：為何  SNN 模型並未得到普及？為
                      了探究其原因，我們認為須先了解當前科技市場的軟硬件需求間的關係。

                 2.   研究流程

                 圖四：研究流程圖





















                  圖四資料來源：研究者製作

                                                            6
   44   45   46   47   48   49   50   51   52   53   54