基于自适应时间步脉冲神经网络的高效图像分类OA北大核心CSTPCD
脉冲神经网络(Spiking neural network,SNN)由于具有相对人工神经网络(Artifcial neural network,ANN)更低的计算能耗而受到广泛关注.然而,现有SNN大多基于同步计算模式且往往采用多时间步的方式来模拟动态的信息整合过程,因此带来了推理延迟增大和计算能耗增高等问题,使其在边缘智能设备上的高效运行大打折扣.针对这个问题,本文提出一种自适应时间步脉冲神经网络(Adaptive timestep impro…查看全部>>
李千鹏;贾顺程;张铁林;陈亮
中国科学院自动化研究所,北京100190 中国科学院大学人工智能学院,北京101408中国科学院自动化研究所,北京100190 中国科学院大学人工智能学院,北京101408中国科学院自动化研究所,北京100190 中国科学院大学人工智能学院,北京101408 中国科学院脑科学与智能技术卓越创新中心,上海200031中国科学院自动化研究所,北京100190 中国科学院大学人工智能学院,北京101408
计算机与自动化
脉冲神经网络低功耗推理高效训练低延迟
《自动化学报》 2024 (9)
P.1724-1735,12
国家重点研发计划(2021ZD0200300)资助。
评论