面向低功耗边缘人工智能的神经形态无线系统端到端学习
神经与进化计算
2020-09-04 v1 信息论
机器学习
信号处理
math.IT
摘要
本文提出一种基于神经形态传感、脉冲无线电（IR）与脉冲神经网络（SNNs）的新型“全脉冲”低功耗远程无线推理方案。在所提系统中，事件驱动的神经形态传感器产生异步时间编码数据流，由 SNN 编码，其输出脉冲信号经 IR 脉冲调制并通过一般频率选择性信道传输；接收机输入通过对接收信号硬判决获得并送入 SNN 进行分类。我们引入一种端到端训练流程，将编码器、信道与解码器的级联视为实现联合信源信道编码（JSCC）的基于概率 SNN 的自编码器。所提系统称为 NeuroJSCC，在时延与精度方面与传统的基于同步帧的未编码传输进行比较。实验证实，所提端到端神经形态边缘架构为高效低时延远程感知、通信与推理提供了有前景的框架。
引用
@article{arxiv.2009.01527,
title = {End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence},
author = {Nicolas Skatchkovsky and Hyeryung Jang and Osvaldo Simeone},
journal= {arXiv preprint arXiv:2009.01527},
year = {2020}
}
备注
To be presented at Asilomar 2020