基于FPGA的激增注意力神经网络加速器的硬件实现
Shiyong Geng1, Zhida Wang1, Zhipeng Liu1
1Institute of Integrated Circuits, Zhongyuan University of Technology, Zhengzhou, China.
PeerJ. Computer science
|September 24, 2025
概括
本研究介绍了一种轻量级的尖端高效注意力神经网络 (SeaSNN) 加速器,用于在FPGA上节能识别手写数字. 海SNN实现了高精度和速度,使其适合资源有限的应用.
科学领域:
- 人工智能的人工智能
- 计算机工程 计算机工程
- 神经科学是一个神经科学.
背景情况:
- 尖端神经网络 (SNN) 提供生物可信性和能源效率.
- 现场可编程网关数组 (FPGA) 为SNN数值识别带来了资源限制.
研究的目的:
- 提出一个轻量级的SeaSNN加速器,解决FPGA的资源限制.
- 为了提高手写数字识别的SNN准确性和识别速度.
主要方法:
- 开发了一个四层SeaSNN架构.
- 集成了一个高效道注意力机制 (SECA),以提高准确性.
- 使用循环解卷,管道和数组分区的优化电路并行性.
主要成果:
- 在基于SeaSNN的MNIST数据集上实现了93.73%的准确性.
- 通过SECA模块,准确度提高到94.28%.
- 在FPGA上实现,在200MHz实现0.000401s/frame推断速度和0.42 TOPS/W功率效率.
结论:
- 海洋SNN加速器为手写数字识别提供了低功耗,高精度和快速的解决方案.
- 已证明适用于资源有限的环境和实时应用.


