基于Rockpool和Xylo的亚毫瓦神经形态SNN音频处理应用
神经与进化计算
2022-09-21 v3 人工智能
新兴技术
机器学习
声音
音频与语音处理
摘要
脉冲神经网络（SNNs）为时序信号处理提供了一种高效的计算机制，尤其当其与低功耗SNN推理ASIC结合时。SNN在历史上难以配置，缺乏为任意任务寻找解的通用方法。近年来，梯度下降优化方法已越来越容易地应用于SNN。因此，SNN与SNN推理处理器为无云依赖的能源受限环境中的商业低功耗信号处理提供了良好平台。然而，迄今为止这些方法对工业界的ML工程师而言并不易用，成功配置单个SNN应用需要研究生水平的训练。在此我们展示了一条便捷的高级流水线，用于设计、训练并部署任意时序信号处理应用到亚毫瓦SNN推理硬件。我们采用了一种为时序信号处理设计的全新直接SNN架构，利用突触时间常数的金字塔在多个时间尺度上提取信号特征。我们在环境音频分类任务上演示了该架构，并以流式模式部署到Xylo SNN推理处理器。我们的应用实现了高精度（98%）和低延迟（100ms）以及低功耗（<100W推理功耗）。我们的方法使得具有通用NN背景的ML工程师无需脉冲神经网络的具体先验经验即可训练和部署SNN应用。我们期望我们的方法使神经形态硬件和SNN成为商业低功耗与边缘信号处理应用的有吸引力的选择。
引用
@article{arxiv.2208.12991,
title = {Sub-mW Neuromorphic SNN audio processing applications with Rockpool and Xylo},
author = {Hannah Bos and Dylan Muir},
journal= {arXiv preprint arXiv:2208.12991},
year = {2022}
}
备注
This submission has been removed by arXiv administrators because the submitter did not have the authority to grant a license to the work at the time of submission