用于放射性同位素识别的卷积脉冲神经网络 FPGA 实现
信号处理
2021-02-26 v1
摘要
本文详述了卷积脉冲神经网络（CSNN）的 FPGA 实现方法，并将该方法应用于基于高分辨率数据的低功耗放射性同位素识别。在 FPGA 上实现的 CSNN 功耗为 75 mW，在合成数据集上的推理准确率为 90.62%。给出了芯片验证方法。通过使用 SpiNNaker 神经形态平台评估 SNN 参数，加速了原型开发。
引用
@article{arxiv.2102.12565,
title = {An FPGA Implementation of Convolutional Spiking Neural Networks for Radioisotope Identification},
author = {Xiaoyu Huang and Edward Jones and Siru Zhang and Shouyu Xie and Steve Furber and Yannis Goulermas and Edward Marsden and Ian Baistow and Srinjoy Mitra and Alister Hamilton},
journal= {arXiv preprint arXiv:2102.12565},
year = {2021}
}
备注
5 pages, 10 FIGURES, IEEE ISCAS 2021