叶书涵

Mon, 01 Jan 0001 00:00:00 +0000

毕业去向

新加坡南洋理工大学

实习经历：

杭州海康机器人股份有限公司 | HIKROBOT，产品技术支持实习生，2023.7-2023.9，杭州

科研经历：

● 提出了人工神经网络到脉冲神经网络的无数据知识蒸馏方法，通过关系建模与尾部分布感知提升无训练集场景下SNN的知识蒸馏性能。相关论文 STARS: Spike Tail-Aware Relational Synthesis for ANN-to-SNN Data-Free Knowledge Distillation

● 提出了面向视频动作识别的脉冲神经网络通带优化方法，通过联合建模时间响应与频率特性，提升模型对运动和语义信息的表征能力。相关论文 Fire on Motion: Optimizing Video Pass-bands for Efficient Spiking Action Recognition

● 提出了面向脉冲神经网络的概率化N:M半结构化剪枝方法，在降低模型计算与存储开销的同时保持模型性能。相关论文 Sparse by Rule: Probability-Based N:M Pruning for Spiking Neural Networks

● 提出了面向事件相机数据的数据集蒸馏方法，通过保留事件数据的时空与频率信息，降低脉冲神经网络的训练成本。相关论文 Learning from Dense Events: Towards Fast Spiking Neural Networks Training via Event Dataset Distillation

● 提出了从静态图像域向事件域脉冲神经网络迁移知识的方法，在仅使用事件数据推理的条件下提升模型性能。相关论文 Breaking the Modality Wall: Time-step Mixup for Efficient Spiking Knowledge Transfer from Static to Event Domain

● 参与研究了针对事件驱动脉冲神经网络的脉冲重定时攻击，揭示了模型对事件时间扰动的潜在安全风险。相关论文 Time Is All It Takes: Spike-Retiming Attacks on Event-Driven Spiking Neural Networks 已发表于 International Conference on Learning Representations（ICLR 2026）。

● 参与构建了事件视频异常检测数据集UCF-Crime-DVS，并研究了基于脉冲神经网络的视频异常识别方法。相关论文 UCF-Crime-DVS: A Novel Event-Based Dataset for Video Anomaly Detection with Spiking Neural Networks 已发表于 AAAI Conference on Artificial Intelligence（AAAI 2025）。

● 提出了人工神经网络与脉冲神经网络之间的交叉知识蒸馏方法，提升了脉冲神经网络的特征表示与分类性能。相关论文 Cross Knowledge Distillation between Artificial and Spiking Neural Networks 已发表于 IEEE International Conference on Multimedia and Expo（ICME 2025）。

叶书涵 | 个人主页

叶书涵