面向神经形态应用的脉冲神经网络能耗优化
神经与进化计算
2020-05-05 v2 机器学习
神经元与认知
摘要
在过去几年中，脉冲神经网络已被证明可与常规卷积神经网络性能相当。若干工作提出了将预训练 CNN 转换为脉冲 CNN 而不显著牺牲性能的方法。我们首先证明 CNN 的量化感知训练可在 SNN 中获得更好精度。将 CNN 转换为脉冲 CNN 的好处之一是利用 SNN 的稀疏计算，从而以更低能耗执行等价计算。在此我们提出一种高效优化策略，以更低能耗训练脉冲网络，同时保持相近精度水平。我们在 MNIST-DVS 与 CIFAR-10 数据集上展示了结果。
引用
@article{arxiv.1912.01268,
title = {Optimizing the energy consumption of spiking neural networks for neuromorphic applications},
author = {Martino Sorbaro and Qian Liu and Massimo Bortone and Sadique Sheik},
journal= {arXiv preprint arXiv:1912.01268},
year = {2020}
}