一种用于脉冲神经网络的新型近似汉明重量计算：一种 FPGA 友好架构
神经与进化计算
2021-05-03 v1 硬件体系结构
摘要
稀疏且长二进制向量的汉明重量在许多科学应用中是重要的模块，特别是在我们关注的脉冲神经网络中。为改善其 FPGA 实现的面积与延迟，我们提出一种受突触传递失败启发的方法，利用 FPGA 查找表压缩长输入向量。为评估该方法有效性，我们使用简单线性加法器对压缩向量的 `1' 个数进行计数。我们将压缩器分为浅层（至多两级查找表）与深层（多于两级查找表）两类。该方法生成的架构在不同浅层压缩器配置下，面积和延迟分别减少达 82% 和 35%。此外，我们的仿真结果表明，仅使用深层压缩器计算脉冲神经网络 1024 位向量的汉明重量，在轻微影响学习性能的同时保持了网络的混沌行为。
引用
@article{arxiv.2104.14594,
title = {A Novel Approximate Hamming Weight Computing for Spiking Neural Networks: an FPGA Friendly Architecture},
author = {Kaveh Akbarzadeh-Sherbaf and Mikaeel Bahmani and Danial Ghiaseddin and Saeed Safari and Abdol-Hossein Vahabie},
journal= {arXiv preprint arXiv:2104.14594},
year = {2021}
}