基于概率性脉冲传播的类脑脉冲神经网络 FPGA 实现
神经与进化计算
2020-01-28 v1 机器学习
摘要
脉冲神经网络的评估需要读取大量突触权重以更新突触后神经元。这限制了并行性，并成为硬件的瓶颈。我们提出一种基于权重概率解释的脉冲传播方法，从而减少内存访问与更新。我们研究了在脉冲处理中引入随机性的影响，并在基准网络上表明，这可以在对识别精度影响极小的情况下实现。我们给出了一种架构，以及在 Xilinx Zynq 平台上针对 MNIST 和 CIFAR10 数据集的全连接与卷积网络的精度权衡。
引用
@article{arxiv.2001.09725,
title = {Probabilistic spike propagation for FPGA implementation of spiking neural networks},
author = {Abinand Nallathambi and Nitin Chandrachoodan},
journal= {arXiv preprint arXiv:2001.09725},
year = {2020}
}