neuromorphic chips | BriefGPT

关键词neuromorphic chips

搜索结果 - 8

脉冲神经网络的特征归因解释
我们提出了一种基于时间脉冲归因的解释方法，用于解释第三代人工神经网络，尖峰神经网络（SNNs），并评估其在人工和现实时间序列数据上的解释质量。
PDF8 months ago
基于脑启发的脉冲神经网络的先进计算及相关应用
这篇论文总结了神经元模型的优点、缺点和适用性，分析了网络拓扑的特性，并从无监督学习和监督学习的角度回顾了脉冲神经网络算法和基于突触可塑性规则的无监督学习算法以及四类监督学习算法，最后专注于国内外正在研究的类脑神经仿真芯片的综述。通过系统的总
PDF10 months ago
MM基于极小极大优化的稀疏神经网络资源受限模型压缩
通过改进的端到端极值优化方法，我们在稀疏学习问题上更好地平衡了模型性能与计算效率，同时表明在各种基准数据集和架构上，联合压缩和微调脉冲神经网络 (SNNs) 比顺序压缩和微调更好，特别适用于极限压缩比。
PDFa year ago
深度脉冲 UNet 图像处理
本研究介绍了 Spiking-UNet 的概念，将 Spiking Neural Networks 与 U-Net 架构相结合，在图像处理任务中实现了高效的信息传输和训练策略，与非脉冲版本相比，在图像分割和去噪方面取得了可比较的性能，并且减
PDFa year ago
ICLR通过校准偏移电位来弥合 ANN 和 SNN 之间的差距
在所述文献中，我们提出了一种基于偏移尖峰的 ANN-SNN 转换优化策略，该策略使用初始膜电位的移动来计算尖峰偏移，并可以进一步减少转换误差。实验结果表明，该方法在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上取得了
PDFa year ago
增量预测编码：并行和全自动学习算法
本研究提出了一种名为增量预测编码（iPC）的方法，通过并行执行每个操作来解决传统预测编码方法的低效性限制，实验证明 iPC 在图像分类任务上具有与反向传播相媲美的性能，适用于计算神经科学和机器学习等领域，尤其适用于分布式计算和模拟神经元芯片
PDF2 years ago
H2Learn: 面向高准确性尖峰神经网络的高效学习加速器
本文提出了一种名为 H2Learn 的新型架构，可以实现基于 BPTT 的 SNN 学习的高效率，从而保证 SNN 的高精度，并在多个基准数据集上实现了大量的节省面积，加速和节能。
PDF3 years ago
IJCAI提高前馈神经网络在脉冲神经形态芯片中的分类准确性
使用新的二进制硬件跨棒学习算法实现深度神经网络在 TrueNorth 芯片上的部署，可在以前工作的基础上实现显著提高（76％与 86％准确度）同时保持良好的性能 MNIST 手写数据集。
PDF7 years ago