在SIMD硬件上实时执行具有突触可塑性的SNN模型,用于手写数字识别
Bernardo Vallejo-Mancero1, Jordi Madrenas1, Mireya Zapata2
1Department of Electronic Engineering, Universitat Politècnica de Catalunya, Barcelona, Spain.
Frontiers in neuroscience
|August 21, 2024
概括
这项研究在FPGA上测试了HEENS架构用于尖端神经网络 (SNN). 在数字分类方面,HEENS架构显示了可比的性能,在神经形态计算中平衡了准确性和效率.
科学领域:
- 神经形态计算是一种神经形态计算.
- 人工智能的人工智能
- 硬件架构 硬件架构
背景情况:
- 尖端神经网络 (SNN) 模仿大脑的效率和并行处理.
- 神经形态计算试图复制类似大脑的计算能力.
- 硬件实现对于实现SNN的潜力至关重要.
研究的目的:
- 评估HEENS架构的高并行处理和SNN仿真中的生物现实性.
- 在ZYNQ家族FPGA上测试HEENS架构的性能.
- 评估HEENS架构是否适合实时处理应用.
主要方法:
- 在ZYNQ家族FPGA上实现了HEENS架构.
- 使用MNIST数据库将架构应用于数字分类.
- 调整图像分辨率以匹配HEENS的处理能力进行评估.
主要成果:
- 实现了与数字分类中的现有解决方案可比的性能.
- 证明了HEENS在高度并行处理和生物现实主义方面的能力.
- 突出了应用程序执行中的准确性和效率之间的平衡.
结论:
- HEENS架构为SNN仿真提供了一个灵活的平台.
- 它支持可编程的神经和突触模型,使新的算法探索.
- HEENS为神经形态系统中的实时处理提供了一种节能替代方案.
