WaveSense：用于关键词识别的脉冲神经网络高效时序卷积
机器学习
2021-11-03 v1 人工智能
神经与进化计算
摘要
超低功耗本地信号处理是常开设备边缘应用的一个关键方面。模拟脉冲神经网络的神经形态处理器在满足该领域所需的有限功耗预算的同时，展现出强大的计算能力。在这项工作中，我们提出将脉冲神经动力学作为空洞时序卷积的一种自然替代方案。我们将此想法扩展到 WaveSense，这是一个受 WaveNet 架构启发的脉冲神经网络。WaveSense 使用简单的神经动力学、固定的时间常数和简单的前馈架构，因此特别适合神经形态实现。我们在多个关键词识别数据集上测试了该模型的能力。结果表明，所提出的网络超越了其他脉冲神经网络的当前最佳水平，并达到了接近人工神经网络（如 CNN 和 LSTM）的当前最佳性能。
引用
@article{arxiv.2111.01456,
title = {WaveSense: Efficient Temporal Convolutions with Spiking Neural Networks for Keyword Spotting},
author = {Philipp Weidel and Sadique Sheik},
journal= {arXiv preprint arXiv:2111.01456},
year = {2021}
}