用于异步事件处理的深度计数网络
神经与进化计算
2016-11-03 v1 机器学习
摘要
尽管基于事件的神经网络实现在计算资源、延迟和功耗方面具有优势，但其未能达到与同等最先进深度网络模型相同的性能水平。我们提出计数神经元（counter neurons）作为最小的脉冲神经元模型，其仅需要加法和比较操作，从而避免了昂贵的乘法。我们展示了在深度计数网络中进行的推理如何收敛到与最先进常规网络所实现的相同精度水平。由于其基于事件的计算风格导致更低的延迟和稀疏更新，计数网络非常适合于高效紧凑且低功耗的硬件实现。我们提出了计数网络的理论和训练方法，并在MNIST基准上证明，计数网络在所需时间和操作数量方面均能快速收敛到最先进的分类精度。
引用
@article{arxiv.1611.00710,
title = {Deep counter networks for asynchronous event-based processing},
author = {Jonathan Binas and Giacomo Indiveri and Michael Pfeiffer},
journal= {arXiv preprint arXiv:1611.00710},
year = {2016}
}