INsight：一种用于大型神经网络评估的神经形态计算系统
神经与进化计算
2015-08-06 v1
摘要
深度神经网络在各种认知任务(如目标检测和图像分类)中已展现出令人印象深刻的成果。为了执行大型网络，冯·诺依曼计算机将大量权重参数存储在外部存储器中，且处理单元分时复用，这导致了高功耗的I/O操作和处理瓶颈。本文描述了一种从头设计的神经形态计算系统，用于大规模神经网络的高能效评估。该计算系统由非传统编译器、神经形态架构以及利用现有集成电路设计方法的空间高效微架构组成。编译器将训练好的前馈网络分解为稀疏连接网络，线性压缩权重，并生成减少连接数的时延神经网络。简化网络中的连接和单元被映射到硅突触和神经元。我们展示了基于现场可编程门阵列的神经形态计算系统实现，其以97.64%的准确率执行MNIST手写数字分类。
引用
@article{arxiv.1508.01008,
title = {INsight: A Neuromorphic Computing System for Evaluation of Large Neural Networks},
author = {Jaeyong Chung and Taehwan Shin and Yongshin Kang},
journal= {arXiv preprint arXiv:1508.01008},
year = {2015}
}