TrueHappiness：基于TrueNorth的神经形态情绪识别
神经元与认知
2016-01-19 v1 神经与进化计算
摘要
我们提出一种构建神经形态设备的方法，该设备对语言输入产生神经元脉冲，其强度与适当的积极或消极情绪响应成正比。具体地，我们执行细粒度情感分析任务，并在两种不同系统上实现：一种使用常规脉冲神经网络（SNN）模拟器，另一种使用 IBM 的 Neurosynaptic System TrueNorth。输入词被投影到高维语义空间，并通过包含经反向传播训练的修正线性单元的全连接神经网络（FCNN）处理。训练后，该 FCNN 通过用积分发放神经元替换 ReLUs 转换为 SNN。我们展示在情感分析测试集上由于转换为脉冲网络几乎没有性能损失，即原始 DNN 与其脉冲等价物的预测与人类标注的相关性差异小于 0.02。此外，我们展示用此技术生成的 SNN 可映射到现有神经形态硬件——本例中为 TrueNorth 芯片。映射到芯片涉及 4 位突触权重离散化和神经元阈值调整。最终端到端系统可接受用户输入（即超过 300,000 词词汇表中的词）并在 TrueNorth 上以约 50 uW 功耗估计其情感。
引用
@article{arxiv.1601.04183,
title = {TrueHappiness: Neuromorphic Emotion Recognition on TrueNorth},
author = {Peter U. Diehl and Bruno U. Pedroni and Andrew Cassidy and Paul Merolla and Emre Neftci and Guido Zarrella},
journal= {arXiv preprint arXiv:1601.04183},
year = {2016}
}