Convolutional networks for fast, energy-efficient neuromorphic computing

最新推荐文章于 2024-07-06 02:15:17 发布
最新推荐文章于 2024-07-06 02:15:17 发布
阅读量209 收藏
点赞数
分类专栏： 文献阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/huatianxue/article/details/114848087
版权

方法

在这里，我们对深度卷积网络和TrueNorth神经形态芯片的相关元素进行了描述，并描述了如何在TrueNorth神经形态芯片上实现前者的本质。

深度卷积网络

华天雪 L.W
关注
专栏目录
FINN（二）CNN，BNN及其硬件实现的背景知识
abcdef123456gg的博客
11-11 3582
CNN 这项工作的重点是监督学习，其目标是找到一个函数g（xi），它近似于映射xi→yi ∀i，其中{xi，yi}是一个输入/输出对，称为训练样例。 多层感知器是一种人工神经网络，其神经元在多层中排列，神经元将前一层的所有神经元的输出作为输入。 在数学上，全连接网络的第l层中nth神经元的输出al，n计算如下： 其中wl，n，s是与第l层中nth神经元的输入相连的sth突触的权重，bl，n是偏置...
基于忆阻器的神经网络应用研究
人工智能学家
08-23 1万+
来源：文章转载自期刊《微纳电子与智能制造》，作者：陈 佳，潘文谦，秦一凡，王 峰，李灏阳，李 祎，缪向水。摘 要 基于忆阻突触器件的硬件神经网络是神经形态计算的重要发展方向，...
Acceleration for ML 论文导读
weixin_30861459的博客
03-21 91
Energy efficient parallel neuromorphic architectures with approximate arithmetic on FPGA Motivation To address the slow operation and high energy and resource consumption problem caused by realiz...
NIPS2018深度学习(20)|亮点: 双向RNN时间序列;对抗自编码异常检测;脉冲神经网络(论文及代码)...
hestendelin的专栏
04-15 2612
[1]BRITS:BidirectionalRecurrentImputationforTime SeriesWei Cao,Dong Wang,Jian...
XNOR-Net论文解读
h__ang的博客
05-08 1761
论文地址：https://arxiv.org/abs/1603.05279 代码地址：http://allenai.org/plato/xnornet Abstract 我们提出了两种对标准卷积神经网络的高效近似：Binary-Weight-Networks 和 XNOR-Networks。在Binary-Weight-Networks中，卷积核中的权重被近似为二值，这使得内存节省了 32x；在X...
Mapping Spiking Neural Networks的论文汇总以及思考
AS7062031的博客
07-25 800
首先感谢CSDN平台，发现不是我一个人在SNN Mapping方面纠结着。去年看了Mapping方面的内容后感觉想创新还是有点难度的，毕竟优化就是生物进化算法类似的套路，可是你会发现自己实现的结果就是没人家论文的结果优秀。所以去年看了几篇后就不想整这个方向，但是你懂的，这样那样的原因一大堆，还是要我整Mapping。我想哭了，原因是这是一个苦力活，实验设置多，仿真数据多，算法优化变化多，和别人比较很难秀起来。关键是论文发的一般不行。 不过苦活累活总得有人做啊，作为一个经常表现十分老实的我自然是很好的苦工。
神经形态芯片论文分享(一直更新)
鹏鹏的博客
05-14 1860
Neuromorphic-Processor-paper-list My name is Qianpeng Li, a master in Institute of Automation, Chinese Academy of Sciences. I am interesting in Neuromorphic Processor, spiking neural network accelerator and machine learning. In this repository I will share
Stochastic Computing + Quantization
文小文的博客
10-25 3598
文章目录需要看还没看的paper大佬们的Google学术主页Conference Papers: QuantizationConference Papers: SC-Based Neural Network2018: DAC,2017: ASLPOS, ICCD, DAC, DATE, ASP-DAC2016: DAC,Nonlinear Activation Function in Stocha...
Spiking-YOLO : 前沿性研究，脉冲神经网络在目标检测的首次尝试 | AAAI 2020
晓飞的算法工程笔记
03-18 6231
论文提出Spiking-YOLO，是脉冲神经网络在目标检测领域的首次成功尝试，实现了与卷积神经网络相当的性能，而能源消耗极低。论文内容新颖，比较前沿，推荐给大家阅读   来源：晓飞的算法工程笔记 公众号 论文: Spiking-YOLO: Spiking Neural Network for Energy-Efficient Object Detection 论文地址：http://arx...
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
一切皆是映射：实现神经网络的硬件加速技术：GPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）
最新发布
AI天才研究院
07-06 1442
在人工智能和深度学习领域，神经网络已经成为一种revolutionary的技术，推动了诸如计算机视觉、自然语言处理和语音识别等领域的巨大进步。然而，随着神经网络模型变得越来越复杂和庞大，传统的CPU处理器在处理这些计算密集型任务时往往力不从心。这就催生了对专门的硬件加速技术的需求，以提高神经网络的训练和推理效率。在这篇文章中，我们将深入探讨三种主要的硬件加速技术：GPU（图形处理器）、ASIC（专用集成电路）和FPGA（现场可编程门阵列）。这些技术各有特点，都在神经网络加速领域发挥着重要作用。
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
热门推荐
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
【2011-2016】 NIPS汇总 - Advances in Neural Information Processing Systems
Testing的博客
10-02 1万+
Advances in Neural Information Processing Systems 24 (NIPS 2011) The papers below appear in Advances in Neural Information Processing Systems 24 edited by J. Shawe-Taylor and R.S. Zemel and P.L.
FINN（大结局）参考文献
abcdef123456gg的博客
11-24 1114
该项目主要参考以下的文献 [1] H. Alemdar, N. Caldwell, V. Leroy, A. Prost-Boucle, and F. P´etrot. Ternary Neural Networks for Resource-Efficient AI Applications. CoRR, abs/1609.00222, 2016. [2] R. Andri, L. Cavige...
CNN转换为SNN的算法
huatianxue的博客
03-08 1861
主要是使用两种方法： 一个是直接转换法，另外一个是归一化算法。直接转换法通过对CNN进行约束，使得模型可转换。归一化算法则解决了转换后过激活和欠激活的问题。 直接转换法 不是所有的卷积神经网络都可以进行转换，在转换前需要进行如下三个操作： 1.去掉偏置项 2.使用relu激活函数，输出要么是0，要么是正数。 3.使用平均池化 归一化算法 2.1 对训练好的网络模型进行归一化 2.2 对网络处理数据时进行归一化 ...
Spike Timing–Dependent Plasticity: A Hebbian Learning Rule ///STDP时空依赖可塑性
huatianxue的博客
01-17 1765
关键词 长期增强，长期抑郁，突触，记忆，反向传播动作电位 摘要 时空依赖可塑性(STDP)作为一种Hebbian突触学习规则，在从昆虫到人类的广泛物种的各种神经回路中得到了证明。 突触修饰依赖于突触前和突触后尖峰在几十毫秒的临界窗口内的顺序，具有深远的功能意义。 在过去的十年中，在理解STDP在兴奋性和抑制性突触的细胞机制以及神经元兴奋性和突触整合的相关变化方面取得了重大进展。 除了基本的不对称窗口外，最近的研究还揭示了STDP的几层复杂性，包括它对树突位置的依赖，复杂尖峰列诱导的突触修饰的非线性集成，以及
CSNN: An Augmented Spiking based Framework with Perceptron-Inception
huatianxue的博客
03-08 1338
CSNN：基于Perceptron的增强型Spiking框架 受生物大脑中视觉形成机制的启发，我们提出了一种基于大脑的基于感知器-感知的神经网络，名为CSNN，它由部分CNN和SNN组成。 我们分别将它们命名为Perceptron和inception。感知器由CNN中的卷积层和池化层组成，而Inception是完全连接层的SNN。 ...
忆阻尖峰神经网络中基于STDP的模式识别学习的必要条件
huatianxue的博客
01-18 1064
Necessary conditions for STDP-based pattern recognition learning in a memristive spiking neural network 忆阻器： 忆阻器，全称记忆电阻器(Memristor)。它是表示磁通与电荷关系的电路器件。忆阻具有电阻的量纲，但和电阻不同的是，忆阻的阻值是由流经它的电荷确定。因此，通过测定忆阻的阻值，便可知道流经它的电荷量，从而有记忆电荷的作用。 与DNN相比，SNN以峰值的速率和时间对信息进行编码，从而可以提供更细
Direct Training for Spiking Neural Networks: Faster, Larger, Better
huatianxue的博客
03-14 965
摘要 我们提出一种神经元正则化技术去调整神经元分立，而且发展了一种直接的训练算法对于深层SNN. 通过缩小速率编码窗口和转换LIF模型到精确的迭代版本，我们提出了基于pytorch版本的手段去训练深度SNN，提高了数十倍的速度。 准确的LIF迭代模型 原来的LIF模型是这样的变化模式 其中uuu是膜电压，ttt代表时间，III代表外部输入，uresetu_{reset}ureset​代表重置电压。 更换成迭代模式变成如下图 其中，ot,n+1o^{t,n+1}ot,n+1是t+1t+1t+1步的输入，o
very deep convolutional networks for large-scale image recognition
03-17
深度卷积网络是用于大规模图像识别的常用技术。它们通过不断地堆叠卷积层和池化层来增加网络的深度，从而能够更好地提取图像中的特征。在训练过程中，网络会自动学习到图像中的高级特征，如边缘、纹理、形状等，从而...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值