面向能效深度学习的结构化卷积矩阵
神经与进化计算
2016-06-09 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们推导了能效神经形态架构中的网络表示与分块 Toeplitz 卷积矩阵之间的关系。受此联系启发，我们使用一族结构化卷积矩阵开发了深度卷积网络，并在著名的图像识别任务中实现了能效与分类精度之间最先进的权衡。我们还提出了一种训练二值卷积网络的新方法，该方法利用了噪声修正线性单元与二值激活之间的现有联系。
引用
@article{arxiv.1606.02407,
title = {Structured Convolution Matrices for Energy-efficient Deep learning},
author = {Rathinakumar Appuswamy and Tapan Nayak and John Arthur and Steven Esser and Paul Merolla and Jeffrey Mckinstry and Timothy Melano and Myron Flickner and Dharmendra Modha},
journal= {arXiv preprint arXiv:1606.02407},
year = {2016}
}