一种更快速的脉冲深度卷积神经网络方法
计算机视觉与模式识别
2022-11-01 v1 神经元与认知
摘要
脉冲神经网络（SNNs）比当前的深度神经网络具有更接近大脑的动态特性。其低功耗和高样本效率使这些网络颇具吸引力。近来，已有若干深度卷积脉冲神经网络被提出。这些网络旨在增强生物合理性，同时构建可应用于机器学习任务的强大工具。在此，我们基于先前工作提出一种网络结构，以改善网络运行时间与准确率。对网络的改进包括：将训练迭代减少至仅一次、有效使用主成分分析（PCA）降维、权重量化、用于分类的定时输出，以及更好的超参数调优。此外，预处理步骤被更改以允许处理彩色图像而非仅黑白图像，从而提升准确率。所提出的结构将运行时间碎片化，并引入了深度卷积 SNNs 的一种高效方法。
引用
@article{arxiv.2210.17442,
title = {A Faster Approach to Spiking Deep Convolutional Neural Networks},
author = {Shahriar Rezghi Shirsavar and Mohammad-Reza A. Dehaqani},
journal= {arXiv preprint arXiv:2210.17442},
year = {2022}
}
备注
6 pages, 7 figures, to be published in the Asilomar 2022 conference