-
题名可全域表达的高精度低延时脉冲网络转换方法
- 1
-
-
作者
马钟
徐克欣
李申
王钟犀
-
机构
西安微电子技术研究所
中国人民解放军
西安交通大学微电子学院
-
出处
《集成电路与嵌入式系统》
2025年第3期15-23,共9页
-
文摘
不同于人工神经网络(ANN),脉冲神经网络(SNN)作为第三代神经网络技术的代表,基于生物神经元机制进行计算,使用脉冲信号序列来传递信息,展现出可观的能耗优势和海量数据的高速处理能力。然而,由于脉冲神经元具有复杂的动力学行为和脉冲计算不可微分的特性,现有的SNN直接训练方法效果欠佳,一定程度阻碍了SNN的广泛应用。目前,将高精度ANN转换为SNN被认为是最有前途的生成SNN的方法之一。然而,主流的ANN转换SNN方法存在局限性:首先,不支持负值脉冲,难以表达由动态视觉传感器相机采集的负向脉冲;其次,转换过程中低延时和高精度难以两全。针对以上问题,本文提出了一种可全域表达的新型脉冲神经元,对传统ANN中正负数值和DVS的正负极性均能进行全域表示,并且提出了一种阶梯式Leaky ReLU激活函数和一种区域收敛测试算法,以实现ANN至SNN的零误差转换。通过以上方法,实现可全域表达的高精度、低延迟和高鲁棒的ANN至SNN转换,本文方法在CIFAR10和CIFAR100数据集上表现出卓越性能。
-
关键词
ANN转换SNN
阶梯式Leaky
ReLU激活函数
区域收敛测试算法
全域表达
鲁棒性测试
-
Keywords
ANN-to-SNN conversion
stepwise Leaky ReLU activation function
regional convergence testing algorithm
globally representing
robust test
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
