脉冲神经网络到神经形态硬件的运行时映射
神经与进化计算
2020-06-15 v1 新兴技术
摘要
在本文中，我们提出一种设计方法，用于在运行时将基于在线学习 SNN 的应用的神经元与突触划分并映射到神经形态架构上。我们的设计方法分两步操作——步骤 1 是一种逐层的贪心方法，将 SNN 划分为神经元和突触的簇，并纳入神经形态架构的约束；步骤 2 是一种爬山优化算法，最小化簇间通信的总脉冲数，从而改善架构共享互连上的能耗。我们开展实验，使用合成和真实的基于 SNN 的应用来评估我们算法的可行性。我们证明，与最先进的基于设计时的 SNN 划分方法相比，我们的算法将 SNN 映射时间平均减少 780 倍，而解质量仅低 6.25%。
引用
@article{arxiv.2006.06777,
title = {Run-time Mapping of Spiking Neural Networks to Neuromorphic Hardware},
author = {Adarsha Balaji and Thibaut Marty and Anup Das and Francky Catthoor},
journal= {arXiv preprint arXiv:2006.06777},
year = {2020}
}
备注
Accepted in Springer Journal of Signal Processing Systems