脉冲神经网络稀疏感知硬件-软件协同设计概述
硬件体系结构
2024-08-27 v1 人工智能
摘要
脉冲神经网络 (SNN) 受生物神经处理中稀疏且事件驱动的特性启发，具有超低功耗人工智能的潜力。然而，要实现其效率优势，需开发专用硬件并采用有效利用稀疏性的协同设计方法。我们探讨了稀疏 SNN 的硬件-软件协同设计，分析了稀疏表示、硬件架构和训练技术如何影响硬件效率。我们分析了静态稀疏和动态稀疏的影响，讨论了不同神经元模型和编码方案的意义，以及硬件设计所需的可适应性。我们的工作旨在阐明通往充分利用稀疏 SNN 计算优势的嵌入式神经形态系统之路。
引用
@article{arxiv.2408.14437,
title = {Sparsity-Aware Hardware-Software Co-Design of Spiking Neural Networks: An Overview},
author = {Ilkin Aliyev and Kama Svoboda and Tosiron Adegbija and Jean-Marc Fellous},
journal= {arXiv preprint arXiv:2408.14437},
year = {2024}
}