SpykeTorch：高效模拟每个神经元至多一个脉冲的卷积脉冲神经网络
神经与进化计算
2019-07-17 v2 神经元与认知
摘要
将深度卷积脉冲神经网络（SNNs）应用于人工智能（AI）任务近来备受关注，因为 SNNs 硬件友好且节能。与非脉冲对应模型不同，现有多数 SNN 仿真框架对于大规模 AI 任务而言实际效率不足。本文介绍 SpykeTorch，一个基于 PyTorch 的开源高速仿真框架。该框架模拟每个神经元至多一个脉冲且采用顺序编码的卷积 SNNs。在学习规则方面，实现了脉冲时序依赖可塑性（STDP）与奖励调制 STDP（R-STDP），但其他规则也可轻松实现。除上述特性外，SpykeTorch 具有高度通用性，能够复现各类研究的结果。所提框架中的计算基于张量，且完全由 PyTorch 函数完成，从而带来在 CPU、GPU 或多 GPU 平台上运行的即时优化能力。
引用
@article{arxiv.1903.02440,
title = {SpykeTorch: Efficient Simulation of Convolutional Spiking Neural Networks with at most one Spike per Neuron},
author = {Milad Mozafari and Mohammad Ganjtabesh and Abbas Nowzari-Dalini and Timothée Masquelier},
journal= {arXiv preprint arXiv:1903.02440},
year = {2019}
}