Хайдельбергские наборы данных о спайках для систематической оценки спайковых нейронных сетей

The Heidelberg Spiking Data Sets for the Systematic Evaluation of Spiking Neural Networks
Friedemann Zenke, Johannes Schemmel, Benjamin Cramer, Yannik Stradmann
2020-12-30

Хайдельбергские наборы спайковых данныхпреобразование аудио в спайкинейроморфное оборудованиеклассификация на основе спайковспайковые нейронные сети
Спайковые нейронные сети лежат в основе универсальной и энергоэффективной обработки информации в мозге. Хотя в настоящее время у нас отсутствует детальное понимание того, как эти сети выполняют вычисления, недавно разработанные методы оптимизации позволяют создавать в кремнии всё более сложные функциональные спайковые нейронные сети. Эти методы открывают перспективы создания более эффективного вычислительного оборудования с архитектурой, отличной от архитектуры фон Неймана, и новых направлений в исследовании функций нейронных цепей мозга. Для ускорения разработки таких методов необходимы объективные способы сравнения их эффективности. Однако в настоящее время не существует общепринятых средств сравнения вычислительной эффективности спайковых нейронных сетей. Для решения этой проблемы мы представляем два набора данных для классификации на основе спайков, пригодных для широкого применения при оценке программных реализаций и реализаций спайковых нейронных сетей на нейроморфном оборудовании. Для этого мы разработали общую процедуру преобразования аудиосигналов в спайковые последовательности, вдохновлённую нейрофизиологией. Кроме того, мы применили это преобразование к существующему и новому набору речевых данных. Последний представляет собой свободно доступный высококачественный Хайдельбергский набор данных цифр с выравниванием на уровне слов, созданный специально для данного исследования. Обучив ряд обычных и спайковых классификаторов, мы показали, что использование информации о времени возникновения спайков в этих наборах данных необходимо для достижения высокой точности классификации. Эти результаты служат первым ориентиром для будущих сравнений эффективности спайковых нейронных сетей.
1
Эксперименты с традиционными и спайковыми классификаторами показывают, что использование информации о времени спайков необходимо для высокой точности классификации.
2
Предложена универсальная процедура преобразования аудиосигналов в спайковые представления, вдохновлённая нейрофизиологией.
3
Авторы создали бесплатный высококачественный набор данных Heidelberg digit с выравниванием на уровне слов специально для оценки спайковых нейронных сетей.
4
Полученные результаты служат первым ориентиром для сравнения вычислительной производительности будущих методов спайковых нейронных сетей.
5
Исследование представляет два набора данных для классификации по спайкам, предназначенных для систематического сравнения спайковых нейронных сетей в программных и нейроморфных аппаратных системах.

спайковые наборы данных для классификации Heidelberg, включая набор данных цифр Heidelberg

эффективность классификации спайковых нейронных сетей и вклад информации о времени возникновения спайков

Publication Details
Publication Date
2020-12-30
Journal
Publisher
ISSN
Cited by
351
Access Type
Author Information
Authors
Friedemann Zenke
Johannes Schemmel
Benjamin Cramer
Yannik Stradmann
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%